无法使用pdfbox和iText从PDF读取表格（Acroform）

Question

我有很多2007年以来的PDF（版本：4），其中显然有表格，但是pdfbox和iText 5中的AcroForm对象为空或为空。

为什么我认为PDF包含表格？ 因为在元数据中，我看到了对XFD文件的引用

出于数据隐私的原因，我无法提供PDF文件。

AcroForm / AcroFields

iText

AcroFields acroFields = reader.getAcroFields();
if (acroFields.getFields().size() == 0) {
  System.err.println("No acroFields");
  return;
}

输出：无acroFields

pdfbox

PDDocumentCatalog docCatalog = doc.getDocumentCatalog();
PDAcroForm acroForm = docCatalog.getAcroForm();
if (acroForm == null) {
  System.err.println("No AcroForm");
  return;
}

if (acroForm.hasXFA()) {
  System.out.println("doc has XFA");
  acroForm.getXFA();
  return;
}

输出     没有AcroForm

Metdata

PDF-Version: 4
CreationDate = D:20071019093057-04'00'
Producer = Acrobat Distiller 7.0 (Windows)
Author = name
Title = filename.xfd
Creator = PScript5.dll Version 5.2
ModDate = D:20071019093057-04'00'

XMP输出

<x:xmpmeta xmlns:x="adobe:ns:meta/" x:xmptk="3.1-701">
   <rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#">
      <rdf:Description rdf:about=""
            xmlns:pdf="http://ns.adobe.com/pdf/1.3/">
         <pdf:Producer>Acrobat Distiller 7.0 (Windows)</pdf:Producer>
      </rdf:Description>
      <rdf:Description rdf:about=""
            xmlns:xap="http://ns.adobe.com/xap/1.0/">
         <xap:CreatorTool>PScript5.dll Version 5.2</xap:CreatorTool>
         <xap:ModifyDate>2007-10-19T09:30:57-04:00</xap:ModifyDate>
         <xap:CreateDate>2007-10-19T09:30:57-04:00</xap:CreateDate>
      </rdf:Description>
      <rdf:Description rdf:about=""
            xmlns:dc="http://purl.org/dc/elements/1.1/">
         <dc:format>application/pdf</dc:format>
         <dc:title>
            <rdf:Alt>
               <rdf:li xml:lang="x-default">filename.xfd</rdf:li>
            </rdf:Alt>
         </dc:title>
         <dc:creator>
            <rdf:Seq>
               <rdf:li>name</rdf:li>
            </rdf:Seq>
         </dc:creator>
      </rdf:Description>
      <rdf:Description rdf:about=""
            xmlns:xapMM="http://ns.adobe.com/xap/1.0/mm/">
         <xapMM:DocumentID>uuid:6161773b-92f4-4954-a368-eed868c10438</xapMM:DocumentID>
         <xapMM:InstanceID>uuid:7737a837-0df8-4daa-9683-3547663fccaa</xapMM:InstanceID>
      </rdf:Description>
   </rdf:RDF>
</x:xmpmeta>

Answer 1

  

为什么我认为PDF包含表格？因为在元数据中，我看到了对XFD文件的引用

这仅表示pdf是从某些xfd文件生成的，但是它们可以仅包含xfd当前内容的平面副本。

acroForm == null表示pdf中没有有效的中央表格结构。与某些页面相关联的表单字段小部件最多可能会丢失。