[英]Extract xdp or xfa from PDF
我使用 Adobe LiveCycle Designer 创建了一个 PDF 表单。 我现在正在努力在填写后以编程方式从 PDF 中提取数据。
我尝试使用 poppler(qt4 绑定,但我想这无关紧要)来做到这一点,但显然 poppler 无法处理 XFA 表单。 虽然 evince 和 okular 能够显示表单...
据我了解,PDF 包含一个 XDP,而 XDP 又包含 XFA 表单。 我的问题是,如何从 PDF 中提取该数据?
如果有库,c++、java、python 或 PHP 是我的选择。
组成 XFA 的 XML 文档( XDP 格式)作为XFA键的值存储在AcroForm字典(交互式表单字典)中。 AcroForm字典引用自目录字典(PDF 文档的根目录)。
XFA值可以是一个流或一个流数组。 如果它是一个流,则它包含整个 XML 文档。 如果是数组,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。
XDP 数据包之一是dataSets数据包。 实际的表单数据将位于此数据包的子元素中: xfa:data 。 例子:
<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。 只需通过目录> AcroForm > XFA导航。
一些 PDF 库可能提供更高级的便利方法。
(免责声明:我是 iText Software 的员工。 )例如,使用 iText (Java),您可以简单地执行此操作以将 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
:
org.w3c.dom.Node datasets = xfa.getDatasetsNode();
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.