从 PDF 中提取 xdp 或 xfa

Posted 2023-02-24

【中文标题】从 PDF 中提取 xdp 或 xfa

【英文标题】：Extract xdp or xfa from PDF

【发布时间】：2013-09-06 10:16:26

【问题描述】：

我使用 Adob​​e LiveCycle Designer 创建了一个 PDF 表单。我现在正努力在 PDF 填写后以编程方式从 PDF 中提取数据。

我尝试使用 poppler（qt4 绑定，但我想这并不重要）来执行此操作，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 XDP，而 XDP 又包含 XFA 表单。我的问题是，如何从 PDF 中提取这些数据？

如果有库，c++、java、python 或 php 是我的选择。

【问题讨论】：

你成功了吗？

没有。但是客户那边的要求变了，所以我没有再追求了

【参考方案1】：

构成 XFA 的 XML 文档（XDP 格式）作为 XFA 键的值存储在 AcroForm 字典中（交互式表单字典）。 AcroForm 字典引用自 Catalog 字典（PDF 文档的Root）。

XFA 值可以是流或流数组。如果它是一个流，它包含整个 XML 文档。如果它是一个数组，则不同的流包含单独的 XDP 数据包。将它们连接起来会得到完整的 XML 文档。

XDP 数据包之一是 dataSets 数据包。实际的表单数据将在此数据包的子元素中：xfa:data。示例：

<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 目录 > AcroForm > XFA。

某些 PDF 库可能会提供更高级的便捷方法。

（免责声明：我是 iText Software 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();

【讨论】：

我想使用 php 从 pdf 中提取 xfa。请对此提出一些想法。

我想使用 pdftk 从 pdf 中获取 xfa 数据。