首页 文章

从PDF中提取xdp或xfa

提问于
浏览 次
6

我用Adobe LiveCycle Designer创建了一个PDF表单 . 我现在正在努力在填写完毕后以编程方式从PDF中提取数据 .

我尝试使用poppler（qt4绑定，但我想这没关系）这样做，但显然poppler无法处理XFA表单 . 虽然evince和okular能够显示表格......

据我所知，PDF包含一个XDP，而XDP又包含XFA表单 . 我的问题是，如何从PDF中提取数据？

如果有库，c，java，python或PHP是我的选择 .

pdf adobe xfa xdp

1 回答

  • 3

    组成XFA的XML文档（XDP格式）存储为 AcroForm 字典（交互式表格字典）中 XFA 键的值 . AcroForm 字典是从 Catalog 字典引用的（PDF文档的 Root ） .

    XFA 值可以是流或流数组 . 如果's a stream, it contains the entire XML document. If it'是一个数组，则不同的流包含单独的XDP数据包 . 连接它们将提供完整的XML文档 .

    其中一个XDP数据包是dataSets数据包 . 实际表单数据将位于此数据包的子元素中：xfa：data . 例：

    <xfa:dataSets xmlns:xfa="http://www.xfa.org/schema/xfa-data/1.0/">
  <xfa:data>
    <!-- arbitrary XML data, e.g.: -->
    <Employee>
      <FirstName>John</FirstName>
      <Name>Doe</Name>
    </Employee>
  </xfa:data>
</xfa:dataSets>

    任何提供对PDF对象的低级访问的PDF库都可用于提取XML文档 . 只需浏览 Catalog > AcroForm > XFA 即可 .

    一些PDF库可能提供更高级别的便捷方法 .

    （免责声明：我是iText软件的员工 . ）例如，使用iText（Java），您只需执行此操作即可将XFA作为 org.w3c.dom.Document ：

    PdfReader reader = new PdfReader(pdfFile);
XfaForm xfa = reader.getAcroFields().getXfa();
org.w3c.dom.Document doc = xfa.getDomDocument();

    或者只是将dataSets数据包作为 org.w3c.dom.Node 获取：

    org.w3c.dom.Node datasets = xfa.getDatasetsNode();
    回复于

相关问题