c# - 使用 PDFNet 从 PDF 获取 URL

Question

我们使用PDFNet库来提取 PDF 文件的内容。我们需要做的一件事是提取 PDF 中的 URL。不幸的是，当您浏览文件中的元素时，您会得到一个片段的 URL，而且并不总是清楚哪个片段与哪个片段搭配。

从 PDFNet 获取完整 URL 的最佳方法是什么？

Answer 1

链接作为注释存储在页面上。您可以执行类似以下代码的操作来从注释中获取 URI。try/catch 块在那里是因为如果缺少任何值，它们仍然返回一个 Obj 对象，但是你不能在它上面调用任何方法而不抛出它。

另外，请注意，并非所有看起来像链接的东西都是一样的。我们从同一个 Word 文件创建了两个 PDF。我们创建的第一个是打印到 PDF。我们在 Acrobat 中创建的第二个。

这两个文件中的链接都可以在 Acrobat Reader 中正常工作，但只有第二个文件具有 PDFNet 可以看到的注释。

Page page = doc.GetPage(1);
for (int i = 1; j < page.GetNumAnnots(); j++) {
    Annot annot = page.GetAnnot(i);
    if (!annot.IsValid())
        continue;
    var sdf = annot.GetSDFObj();
    string uri = ParseURI(sdf);
    Console.WriteLine(uri);
}


private string ParseURI(pdftron.SDF.Obj obj) {
    try {
        if (obj.IsDict()) {
            var aDictionary = obj.Find("A").Value();
            var uri = aDictionary.Find("URI").Value();
            return uri.GetAsPDFText();
        }
    } catch (Exception ) {
        return null;
    }
    return null;
}