Question

我可以使用pdfbox获取大多数pdf文件的字段名称，但我无法获取字段所得税。它是否以某种形式受到限制。

虽然它在表单中包含多个字段，但它只显示一个字段。

这是输出：

topmostSubform [0]。

我的代码：

PDDocumentCatalog docCatalog = pdfDocument.getDocumentCatalog();
PDAcroForm acroForm = docCatalog.getAcroForm();
List fields = acroForm.getFields();

@SuppressWarnings("rawtypes")
java.util.Iterator fieldsIter = fields.iterator();
System.out.println(new Integer(fields.size()).toString());
while( fieldsIter.hasNext())
{
    PDField field = (PDField)fieldsIter.next();
    System.out.println(field.getFullyQualifiedName());
    System.out.println(field.getPartialName());
}

用于

public static void main(String[] args) throws IOException {
    PDDocument pdDoc = null;
    try {
        pdDoc = PDDocument.load("income.pdf");
    } catch (IOException e) {
        // TODO Auto-generated catch block
        e.printStackTrace(); 
    }
    Ggdfgdgdgf feilds = new Ggdfgdgdgf();
    feilds.printFields(pdDoc);
}

Answer 1

有问题的PDF是混合AcroForm / XFA表单。这意味着它包含AcroForm和XFA格式的表单定义。

PDFBox主要支持AcroForm（这是PDF规范中提供的PDF表单技术），但由于两种格式都存在，PDFBox至少可以检查AcroForm表单定义。

您的代码忽略AcroForm.getFields()不返回所有字段定义，而只是根字段的定义，参见。 JavaDoc评论：

/**
 * This will return all of the documents root fields.
 * 
 * A field might have children that are fields (non-terminal field) or does not
 * have children which are fields (terminal fields).
 * 
 * The fields within an AcroForm are organized in a tree structure. The documents root fields 
 * might either be terminal fields, non-terminal fields or a mixture of both. Non-terminal fields
 * mark branches which contents can be retrieved using {@link PDNonTerminalField#getChildren()}.
 * 
 * @return A list of the documents root fields.
 * 
 */
public List<PDField> getFields()

如果要访问所有字段，则必须遍历表单字段树，例如像这样：

public void test() throws IOException
{
    try (   InputStream resource = getClass().getResourceAsStream("f2290.pdf"))
    {
        PDDocument pdfDocument = PDDocument.load(resource);
        PDDocumentCatalog docCatalog = pdfDocument.getDocumentCatalog();
        PDAcroForm acroForm = docCatalog.getAcroForm();
        List<PDField> fields = acroForm.getFields();
        for (PDField field : fields)
        {
            list(field);
        }
    }
}

void list(PDField field)
{
    System.out.println(field.getFullyQualifiedName());
    System.out.println(field.getPartialName());
    if (field instanceof PDNonTerminalField)
    {
        PDNonTerminalField nonTerminalField = (PDNonTerminalField) field;
        for (PDField child : nonTerminalField.getChildren())
        {
            list(child);
        }
    }
}

这将返回文档的大量字段列表。

PS：您尚未说明您使用的PDFBox版本。由于目前PDFBox开发显然已经开始推荐使用当前的2.0.0版本候选版本，我在答案中假设您使用该版本。

Answer 2

使用fieldTree可以更轻松地完成

fun getFieldsInDocument(file: File): List<String> {
    return PDDocument.load(file).use { document ->
        document.documentCatalog.acroForm.fieldTree
                .filter { it is PDTerminalField }
                .map { field ->
                    field.fullyQualifiedName
                }
    }
}

这是Kotlin，但在Java中看起来基本相同。

Answer 3

以下是阅读pdf的示例代码。在使用它之前，请设置输入的PDF文件。

tags

PDFBOX。如何获取所有类型的pdf表单的字段

3 个答案: