PDFBOX 2.0.18-如何遍历PDF页面并检索特定字段

Question

我正在使用PDFBox读取pdf文档上的特定字段。实际上，我可以使用仅包含一页的pdf获取我想要的所有信息。PDF具有具有特定名称的字段，我可以获取所有字段并将其插入数据库。

我将此代码与AccroForm一起使用以访问字段

InputStream document = item.getInputStream();
pdf = PDDocument.load(new RandomAccessBufferedFileInputStream(document));
pdCatalog = pdf.getDocumentCatalog();
pdAcroForm = pdCatalog.getAcroForm();

String dateRapport = pdAcroForm.getField("import_Date01").getValueAsString();
String radioReason = pdAcroForm.getField("NoFlight").getValueAsString();
boolean hasdata = false;

if(radioRaison.length() > 0 && !radioRaison.equals("Off")) {
    if(radioRaison.equals("NR")) {
        rvhi.setRaison(obtenirRaison(raisons, "NR"));
    }else if(radioRaison.equals("WX")) {
        rvhi.setRaison(obtenirRaison(raisons, "ME"));
    }else if(radioRaison.equals("US")) {
        rvhi.setRaison(obtenirRaison(raisons, "BR"));
    }
}
if(pdAcroForm.getField("import_Hmn0"+indexEnString).getValueAsString().length() > 0) 
{
    hasdata = true
}

pdf.close();

return hasdata;

现在，我的问题是对一个pdf做同样的事情，它包含多个相同的页面，具有相同的字段名，但字段中的数据不同。我希望遍历每个页面，调用相同的方法并检索每个页面上的字段数据。

我使用下面的代码遍历pdf的页面，但我不知道如何获取当前页面上的字段......我不知道如何从PDPage对象中获取acroform字段？

PDPageTree nbPages = pdf.getPages();

if(nbPages.getCount() > 1) {
    for(PDPage page : nbPages) {
        ???? how to get fields Acroform from PDPage page ???
    }
}

提前感谢您的回复！

Answer 1

很抱歉反应太晚。。。谢谢@davidvandriesche。为了找到fullyQualifiedName的组成，我使用了一个小函数来列出所有字段及其子节点（如果有）。事实证明，对于文档的第二页，页码被指定为父部分名称。例如，第一页有“fieldNameExample.fieldNameExmaple”作为完全限定名，第二页有“1.fieldNameExample”作为完全限定名。所以我可以假设，对于接下来的每一页，它都是页码。fieldNameExample作为完全限定名。

谢谢大家的帮助！

Answer 2

当前页面没有PDField对象列表；AcroForm是文档范围的。因此，您问题的第一部分已经获取了文档中字段的完整列表。（Adobe的PDF规范中的12.7.1）

字段可以具有相同的完全限定名，但它们的值也必须相同。（PDF规范中的12.7.3.2）

您的文档中可能发生的情况是字段的部分名称相同，但完全限定的名称不相同。完全限定的名称是通过连接字段的名称和祖先对象的名称形成的，如“父部分名称”。“子部分名称”。

因此，基本上，您必须使用完全限定名来查找字段，或者需要遍历字段列表来查找文档中的所有字段。

您可以找到显示特定字段的页面，因为字段使用注释（小部件注释）在页面上显示自己。这些注释确实存在于页面级别的Annots数组中。我不知道pdfbox中是否有一个方便的函数可以轻松地完成这项工作。