Question

对于我的Java项目，我需要列出PDF页面的所有命名目标。

PDF及其命名的目标是使用LaTeX（使用hypertarget command）创建的，例如如下：

\documentclass[12pt]{article}
\usepackage{hyperref} 

\begin{document}

\hypertarget{myImportantString}{}   % the anchor/named destination to be extracted "myImportantString"

Empty example page

\end{document}

如何使用PDFBox库版本2.0.11提取此PDF文档特定页面的所有命名目标？

在Internet或PDFBox examples中找不到针对此问题的任何有效代码。这是我当前的（最小化）代码：

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.interactive.annotation.PDAnnotation;

import java.io.File;
import java.util.List;

public class ExtractNamedDests {

    public static void main(String[] args) {

        try {

            int c = 1;
            PDDocument document = PDDocument.load(new File("<path to PDF file>"));

            for (PDPage page : document.getPages()) {
                System.out.println("Page " + c + ":");

                // named destinations seem to be no type of annotations since the list is always empty:
                List<PDAnnotation> annotations = page.getAnnotations();
                System.out.println("    Count annotations: " + annotations.size());

                // How to extract named destinations??
            }
        }catch(Exception e){
            e.printStackTrace();
        }
    }
}

在此示例中，我想从Java页面中提取字符串“ myImportantString”。

编辑：这是example PDF file。我使用的是PDFBox 2.0.11版。

Answer 1

我在 Tilman Hausherr 的大力帮助下找到了解决方案。它使用他在评论中建议的代码。

方法getAllNamedDestinations()返回带有名称和目的地的文档中所有已命名目的地（不是注释）的映射。命名目的地可以深深地嵌套在文档中。因此，方法traverseKids()递归地找到所有嵌套的命名目的地。

public static Map<String, PDPageDestination> getAllNamedDestinations(PDDocument document){

        Map<String, PDPageDestination> namedDestinations = new HashMap<>(10);

        // get catalog
        PDDocumentCatalog documentCatalog = document.getDocumentCatalog();

        PDDocumentNameDictionary names = documentCatalog.getNames();

        if(names == null)
            return namedDestinations;

        PDDestinationNameTreeNode dests = names.getDests();

        try {
            if (dests.getNames() != null)
                namedDestinations.putAll(dests.getNames());
        } catch (Exception e){ e.printStackTrace(); }

        List<PDNameTreeNode<PDPageDestination>> kids = dests.getKids();

        traverseKids(kids, namedDestinations);

        return namedDestinations;
    }

private static void traverseKids(List<PDNameTreeNode<PDPageDestination>> kids, Map<String, PDPageDestination> namedDestinations){

    if(kids == null)
        return;

    try {
        for(PDNameTreeNode<PDPageDestination> kid : kids){
            if(kid.getNames() != null){
                try {
                    namedDestinations.putAll(kid.getNames());
                } catch (Exception e){ System.out.println("INFO: Duplicate named destinations in document."); e.printStackTrace(); }
            }

            if (kid.getKids() != null)
                traverseKids(kid.getKids(), namedDestinations);
        }

    } catch (Exception e){
        e.printStackTrace();
    }
}

Java PDFBox列出页面的所有命名目标

1 个答案: