Чтение гиперссылок из pdf файла - PullRequest
Новая
       1

Чтение гиперссылок из pdf файла

4 голосов
/ 05 августа 2011

Я пытаюсь прочитать PDF-файл и получить все гиперссылки из этого файла. Я использую iTextSharp для C # .net. 

PdfReader reader = new PdfReader("test.pdf");           
List<PdfAnnotation.PdfImportedLink> list = reader.GetLinks(36);

Этот метод «GetLinks» возвращает список с большим количеством информации о ссылках, но этот метод не возвращает нужное мне значение, строку гиперссылки и я точно знаю, что на 36-й странице есть гиперссылки

Ответы [ 2 ]

4 голосов
/ 05 августа 2011

PdfReader.GetLinks() предназначен только для использования с внутренними ссылками на документ, а не с внешними гиперссылками.Зачем?Я не знаю.

Приведенный ниже код основан на коде, который я написал ранее , но я ограничил его ссылками, хранящимися в PDF как PdfName.URI.Можно сохранить ссылку как Javascript, который в конечном итоге делает то же самое, и, вероятно, есть другие типы, но вам нужно будет это обнаружить.Я не верю, что в спецификации есть что-то, что говорит, что ссылка на самом деле должна быть URI, это просто подразумевается, поэтому код ниже возвращает строку, которую вы можете (вероятно) преобразовать в URI самостоятельно. 

    private static List<string> GetPdfLinks(string file, int page)
    {
        //Open our reader
        PdfReader R = new PdfReader(file);

        //Get the current page
        PdfDictionary PageDictionary = R.GetPageN(page);

        //Get all of the annotations for the current page
        PdfArray Annots = PageDictionary.GetAsArray(PdfName.ANNOTS);

        //Make sure we have something
        if ((Annots == null) || (Annots.Length == 0))
            return null;

        List<string> Ret = new List<string>();

        //Loop through each annotation
        foreach (PdfObject A in Annots.ArrayList)
        {
            //Convert the itext-specific object as a generic PDF object
            PdfDictionary AnnotationDictionary = (PdfDictionary)PdfReader.GetPdfObject(A);

            //Make sure this annotation has a link
            if (!AnnotationDictionary.Get(PdfName.SUBTYPE).Equals(PdfName.LINK))
                continue;

            //Make sure this annotation has an ACTION
            if (AnnotationDictionary.Get(PdfName.A) == null)
                continue;

            //Get the ACTION for the current annotation
            PdfDictionary AnnotationAction = (PdfDictionary)AnnotationDictionary.Get(PdfName.A);

            //Test if it is a URI action (There are tons of other types of actions, some of which might mimic URI, such as JavaScript, but those need to be handled seperately)
            if (AnnotationAction.Get(PdfName.S).Equals(PdfName.URI))
            {
                PdfString Destination = AnnotationAction.GetAsString(PdfName.URI);
                if (Destination != null)
                    Ret.Add(Destination.ToString());
            }
        }

        return Ret;

    }

И назовите это: 

        string myfile = System.IO.Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "Output.pdf");
        List<string> Links = GetPdfLinks(myfile, 1);
2 голосов
/ 25 октября 2012

Я заметил, что любой текст в PDF, похожий на URL, может быть смоделирован как ссылка аннотации в PDF-редакторе. В Adobe Acrobat есть настройка отображения страницы на общей вкладке под названием «Создание ссылок из URL», которая управляет этим. Я писал код для удаления аннотаций URL-ссылок, но обнаружил, что их не было. Но, тем не менее, Acrobat автоматически превращал текст, который выглядел как URL, в нечто, похожее на ссылку аннотации.

...