7

我想编写一些（java）代码来获取 PDF 文档，并从所有书签中创建命名目的地。我认为 iText API 是最简单的方法，但我以前从未使用过该 API。

您将如何使用 iText API 编写此类代码？iText 可以自己进行操作现有 PDF 所需的解析吗？我正在考虑的那种操作是：

  • 打开，
  • 查找书签，
  • 创建目的地，
  • 节省，
  • 关闭。

还是有其他更好的 API？

4

2 回答 2

6

跟进：几个月前我向 iText 提交了一个补丁（它现在已被接受并且是 HEAD 的一部分），它为 iText 添加了文本解析功能。PdfBox（下面提到）在阅读使用外部参照流而不是旧的外部参照表格式的新 PDF 时存在（有？）问题。

另一个非常擅长解析现有 PDF 文件的库是PdfBox ， 它也可以用于修改现有 PDF。仅供参考 - 这是 Lucene 使用的文本解析器。

我还要提一下，iText确实有解析 PDF 文件的能力，只是它不擅长解析每一页上的文本内容。如果您正在考虑访问用于存储书签等的 PDF 更高级别的结构（字典等），并且您不介意在阅读 PDF 规范时弄脏您的手，您可以绝对做你所要求的（我们自己做了很多）。

PDF 规范很大，但大部分都是可读的，如果您要做的只是提取书签，您不必担心其中的大部分内容（针对实际页面内容和渲染）。

于 2008-10-07T04:17:45.043 回答
3

我只是提前警告你，你可能会对此感到失望。iText 并不是真的打算用作解析器。它确实更适合创建全新的PDF 文档，但您可以尝试一下。

首先，使用 iText，您将无法修改现有的 PDF 文档。但是，您可以做的是使用您想要的附加功能制作副本。（如果其他人知道得更好，请告诉我，这让我发疯。）

您要做的是从源文件的输入流创建一个 PdfReader 对象。然后为您的目标创建一个 PdfCopy 对象（它只是一个扩展的 PdfWriter，可以更方便地从现有源获取数据）。

据我所知，书签根本无法从 iText 获得。可能需要另一个库。我认为jpedal可能具有提取它们的能力（它可以将它们作为 XML 文档获取，然后您可能必须对其进行解析以获得所需的内容。）无论您得到它们，您都可以将它们添加到 java.util.List 中，并且将该列表设置为 PDFCopy 上的大纲。书签本身只是具有一组特定键的 HashMap。我不确定所有的值是什么，但它们包括“标题”、“动作”（这似乎是您指定这是一个命名目的地的地方，尽管我不知道该值是什么）和“URI”（如果这是一个外部链接，则使用它——我怀疑这将指定您链接到的命名目的地的名称）。同样，很难找到细节。

然后遍历阅读器的页面，将每个页面导入到 PdfCopy。 此页面可能会对您有所帮助。

对不起，我对你没有更多的帮助。祝你好运。

PS 如果其他人知道 (L)GPL 或 BSD 许可的更好工具，我很想听听。

于 2008-10-06T19:28:50.103 回答