提取pdf目录的方法

Posted 2022-08-12 北冥鱼_

理论知识：http://stackoverflow.com/questions/4643489/how-do-i-retrieve-a-page-number-or-page-reference-for-an-outline-destination-in

原理就是：通过CGPDFDocumentGetCatalog方法可以获取pdf的元信息，这是一个类似Dictionary的结构，而目录信息就放在里面，需要自己解析出来。

在这里：https://github.com/below/PDF-Voyeur，有一个人写的开源项目，可以查看pdf的元信息，而我也是根据他的代码来找出pdf的目录的。

比如这本书：

用PDF-Voyeur打开之后看到的是这样的：

/Outlines这个节点代表的就是目录，点开Outlines之后会看到/First和/Last，这两个就是第一个和最后一个目录

而/First下面又包含/Next，所有的目录就像链表一样这样串联起来的。

在目录的节点下面可以看到title，就是目录的名字，但是要找到跳转的页数就不容易了。根据本文第一个链接里面的回答，目录索引的方式有3种（仅我所知道的，我相信肯定还有另外的方式）：

1. 用/Dest来索引，Dest是一个array，这时候/Dest下面第一个对象就是page的对象。跟节点下面的pages对象包含的就是所有的page对象，代表每一页，把/Dest下面的page跟所有的page对比，用==判断，就可以找出页码。需要注意的是pages有的时候下面不直接包含page对象，而是像子目录一样包含了很多层级，需要判断节点的type是pages还是page。

   

2. 用/Dest索引，但是Dest是一个name，这时候需要在根节点下面的/Dests里面找到对应名字的节点，然后从里面找到page对象，再用类型1里面的方法来找到页数

   

3. 用/A来索引，这种情况跟第一个类似，只要在/D下面找到page对象就好了

---

Voyeur程序下载：Voyeur。(打开没有主界面，需要从菜单File来打开一个pdf文件)

Demo：https://github.com/phaibin/PDFContents

原文链接：http://phaibin.tk/2012/01/06/ti-qu-pdfmu-lu-de-fang-fa