Question

我有一个可填写的pdf，其中包含需要由用户填写的字段。我正在尝试使用python自动生成对这些字段的响应，但我需要知道表单字段的宽度/长度，以便知道我的响应是否适合该字段。

如何找到这些字段的宽度，或者至少测试一个可能的响应是否合适？

我在想，如果我知道字段的字体和字体大小，那可能会有所帮助。

编辑：我刚刚意识到pdf是加密的，因此以编程方式与pdf连接可能是不可能的。欢迎提出快速而肮脏的解决方案。

链接到表单：http://static.e-publishing.af.mil/production/1/af_a1/form/af910/af910.pdf

我需要知道注释块的宽度。

Answer 1

经过一些快速浏览pdf文件和one of Adobe's pdf references（source）后发现文本字段可能有一个键“MaxLen”，其值是一个整数，表示字段的最大长度文字，字符（参见上述参考文献中的第444页）。似乎如果没有这样的密钥，则没有最大长度。

那么人们可以做的只是在pdf文件中搜索“MaxLen”键（如果是多个文本字段，否则你只能搜索一个）并返回它们的值。 E.g：

import re

with open('your_file.pdf', 'r', errors='ignore') as pdf_file:
    content = pdf_file.read()

    # Matches every substring "n" (n is an integer) with a preceding "/MaxLen "
    regexp = '(?<=\/MaxLen )\d+'
    max_lengths = [int(match) for match in re.findall(regexp, content)]

（如果文件很大，你可能无法一次性将其全部读入内存。如果是这种情况，逐行读取可能是一种解决方案。）

max_lengths将是所有“MaxLen”值的列表，在文件中出现之后排序（第一次出现将是第一次出现等）。

但是，根据您的需要，您可能需要进一步搜索并向我的代码添加更多条件。例如，如果文件包含多个文本字段但并非所有文本字段都具有最大长度，则您可能不知道哪个长度对应于哪个字段。此外，如果已修改并保存pdf文件（不使用“另存为”），则修改将附加到旧文件，而不是完全覆盖它。我不确定它是如何工作的，但我想它可以让你获得以前删除的字段等的最大长度，如果你不小心并检查它。

（以这种方式使用pdf对我来说是非常新的，如果我对任何事情都错了，请纠正我。我不是说没有可以为你做这个的库，也许PDFMiner可以，虽然它会可能会更先进。）

更新23-10-2017

我担心这个问题变得更加艰难。我相信你仍然应该能够通过解析pdf文件的正确部分来推断文本字段的宽度。为什么？因为Adobe的软件可以正确呈现它（至少是Adobe Acrobat Pro DC）而不需要一些密码来首先解密它。问题是我不知道如何来解析它。挖得足够深，你可能会发现或不知道。

我想你可以用图形方式解决问题，用一些可以正确读取它们的查看器打开每个pdf，然后测量文本字段的宽度。但是，这将相当缓慢，我不确定如何识别文本字段。

表单不使用等宽字体并没有帮助，但这是一个绝对可以解决的小问题（查找文本字段使用的字体，查找该字体中所有字符的宽度以及在计算中使用该信息。）

如果您确实设法解决了问题，请分享。：）

在python中找到pdf表单字段的宽度

1 个答案: