如何从PDF中提取书签？

Question

当我在PDF查看器中打开PDF时，我会在实际文档的左侧看到一系列书签。这里显示的信息似乎并不构成文档实际内容的一部分：它没有打印，也没有出现在特定页面上。

如何使用Java提取这些书签？

Answer 1

OP问题要求使用Java解决方案。

然而，对于必须处理PDF的人来说，这可能是一个更普遍感兴趣的话题。所以我的回答提供了一个命令行解决方案：mutool。

mutool 是与 MuPDF viewer 软件捆绑在一起的命令行实用程序，由给我们Ghostscript的同一家公司编写。

其最新版本包含 show 子命令，可用于打印outlines（这是PDF技术用语中的内容OP和Adobe UI调用“书签”），以及PDF中感兴趣的其他特定项目：

$ mutool show PDF32000_2008.pdf outlines

  Document management — Portable document format — Part 1: PDF 1.7  1
  Contents Page 3
  Foreword  6
  Introduction  7
  1 Scope   9
  2 Conformance 9
    2.1 General 9
    2.2 Conforming readers  9
    2.3 Conforming writers  9
    2.4 Conforming products 10
  3 Normative references    10
  4 Terms and definitions   14
  5 Notation    18
  6 Version Designations    18
  7 Syntax  19
    7.1 General 19
    7.2 Lexical Conventions 19
        7.2.1 General   19
        7.2.2 Character Set 20
        7.2.3 Comments  21
  [....]

（缩短了输出。）原始PDF文档（官方PDF-1.7规范），包含此页面作为ToC：

您可以清楚地看到/Outlines内容与所包含的目录页面的不同（但相似）。

以下是Adobe Reader XI中显示轮廓（“书签”）的方式：

Answer 2

请下载免费的电子书The Best iText Questions on StackOverflow。在那本书中，您将找到许多问题的答案，包括问题Reading PDF Bookmarks in VB.NET using iTextSharp

提取书签的最酷方法是创建一个XML文件，以一种很好的分层方式显示书签：

PdfReader reader = new PdfReader(src);
List<HashMap<String, Object>> list = SimpleBookmark.getBookmark(reader);
SimpleBookmark.exportToXML(list,
    new FileOutputStream(dest), "ISO8859-1", true); 
reader.close();

Answer 3

要使用Java从PDF文件中检索书签内容，您可以使用PDFlib + PDI 9的pCOS界面.pCOS Cookbook中包含示例代码： http://www.pdflib.com/en/pcos-cookbook/interactive-elements/bookmarks/