使用C＃中的abcpdf从PDF A / 3中提取嵌入式XML文件 - ZUGFeRD

Question

我目前正在使用新的德国ZUGFeRD文件。这些是包含数据的嵌入式XML文件的PDF A / 3文件。

我想使用带有C＃的abcpdf 8.1从PDF A / 3中提取此XML文件。

知道怎么做吗？

非常感谢和问候，

Answer 1

我不知道abcpdf，但我想pdf libs提供了对pdfs内容的类似访问。

首先看看Das-ZUGFeRD-Format_1p0.pdf。特别是第112页。图像显示了您必须遍历的对象树，以便找到xml流。

使用此树，您可以获得名称，类型和方向。现在，您可以遍历pdf对象树以获取您要查找的XML内容。

基于图表的步骤。

1. 阅读您的PDF
2. 获取PDF中的目录
3. 从目录
获取名称为AF的数组
4. 从AF数组获取第一个元素（应为file spec）
5. 从file spec获取名为EF
的词典
6. 获取EF
的信息流内容

这是您访问内容时需要执行的步骤。

要显示pdf的结构并浏览树，我建议使用像iText RUPS这样的工具

Answer 2

我用abcpdf做了什么：

• 从Doc获取Objectsoup数组（几乎是Doc中所有对象的数组）

• 因为ZUGFeRD只允许PDF中的一个嵌入文件，所以我只搜索了这个objectsoup-array，其中包含一个包含/ EmbeddedFile的类型StreamObject

• 解压缩该对象的Stream，获取流的byte []并将其写入xml文件