使用PDFNet从PDF中获取URL

Question

我们正在使用PDFNet库来提取PDF文件的内容。我们需要做的一件事是提取PDF中的URL。不幸的是，当您浏览文件中的元素时，您得到的URL是分片的，并且并不总是清楚哪一片与哪一片相匹配。

从PDFNet获取完整URL的最佳方法是什么？

Answer 1

链接作为注释存储在页面上。您可以执行类似以下代码的操作来从注释中获取URI。try/catch块之所以存在，是因为如果缺少任何值，它们仍然会返回一个Obj对象，但如果不抛出该对象，则无法对其调用任何方法。

此外，请注意，并非所有看起来像链接的东西都是相同的。我们从同一个Word文件创建了两个PDF。第一个是我们用print to PDF创建的。第二个是我们在Acrobat中创建的。

这两个文件中的链接在Acrobat Reader中都可以正常工作，但只有第二个文件有PDFNet可以看到的注释。

Page page = doc.GetPage(1);
for (int i = 1; j < page.GetNumAnnots(); j++) {
    Annot annot = page.GetAnnot(i);
    if (!annot.IsValid())
        continue;
    var sdf = annot.GetSDFObj();
    string uri = ParseURI(sdf);
    Console.WriteLine(uri);
}


private string ParseURI(pdftron.SDF.Obj obj) {
    try {
        if (obj.IsDict()) {
            var aDictionary = obj.Find("A").Value();
            var uri = aDictionary.Find("URI").Value();
            return uri.GetAsPDFText();
        }
    } catch (Exception ) {
        return null;
    }
    return null;
}