读取由Adobe LiveCycle Designer创建的PDF中的表单字段

Question

如何从此PDF文件中获取字段？它是由Adobe LiveCycle Designer创建的动态PDF。如果在web浏览器中打开链接，您可能会看到一个以“请稍候…”开头的页面如果您下载文件并通过Adobe Reader（5.0或更高版本）打开，您应该可以看到所有8页。

因此，当通过PyPDF2阅读时，您会得到一个空字典，因为它将文件呈现为单个页面，就像您通过Web浏览器看到的那样。

def print_fields(path):
    from PyPDF2 import PdfFileReader
    reader = PdfFileReader(str(path))
    fields = reader.getFields()
    print(fields)

您可以使用Java依赖库tika来读取所有8页的内容。然而，结果很混乱，我正在避免Java依赖性。

def read_via_tika(path):
    from tika import parser
    raw = parser.from_file(str(path))
    content = raw['content']
    print(content)

所以，基本上，我可以手动编辑-




Answer 1

在我的例子中，以下代码有效（来源：ankur garg）

import PyPDF2 as pypdf
def findInDict(needle, haystack):
    for key in haystack.keys():
        try:
            value=haystack[key]
        except:
            continue
        if key==needle:
            return value
        if isinstance(value,dict):            
            x=findInDict(needle,value)            
            if x is not None:
                return x
pdfobject=open('CTRX_filled.pdf','rb')
pdf=pypdf.PdfFileReader(pdfobject)
xfa=findInDict('/XFA',pdf.resolvedObjects)
xml=xfa[7].getObject().getData()

Answer 2

匿名用户

多亏了这个很棒的答案，我成功地使用pdfminer检索了字段。六个。

在目录中导航