使用iTextSharp（C#）从PDF中提取嵌入式XML

我需要用C#提取嵌入到中的XML数据。在PDF阅读器中，该文件看起来像一份典型的法庭文件。在记事本中，XML隐藏在文本中。我尝试过使用SimpleTextractionStrategy提取文本。第一个结果是PDF中没有可识别文本的文件，第二个输出符号。我还尝试将其作为AcroField和Xfaform访问。它似乎不是基于手表窗口的

---

在VisualStudio中单步遍历代码，XML将显示在监视窗口中的PDFReader>>目录>>键>>原始>>非公共成员>>字典下。不过我不知道怎么去。由于它与Watch中的其他PDFName一起列出，我想我可以通过PDFReader.Catalog.GetAsDict访问它，但它不显示为PDFName。这些文件的提供者有一个java应用程序，似乎只是读取文本。不确定是否需要使用不同的提取策略，或者直接访问包含XML的目录项。我从未以编程方式处理过PDF文件或iTextSharp，所以我很挣扎。有代码建议吗

如果您可以将PDF与嵌入的XML共享，这会有所帮助。当我第一次阅读您的问题时，我假设XML将被添加为文档级附件（存储在嵌入文件中）或附件注释（存储在添加到页面字典的注释中）

在读取写在上的内容时，看起来XML实际上是一个XMP流。这意味着您可以在目录的元数据条目中找到它（或者在页面字典中）

如果您不能共享该文件，您将不得不自己动手。您可以通过下载来实现这一点。这是一个免费的工具，看看里面的PDF

浏览树结构并查找

元数据

，查找

嵌入文件

，查找

注释

。如果您不告诉我们XML是如何嵌入的，没有人能够帮助您

有关示例，请参见我对以下问题的回答： （看看我如何使用RUP查看目录>名称>嵌入文件）

额外说明：到目前为止，您尝试的代码是关于从页面中提取文本的，不是关于提取嵌入PDF中的XML文件的

更新：

既然您已经共享了一个文件，我就使用RUPS来查找XML文件。请查看以下屏幕截图：

你看到这里发生了什么吗？有人将名为

/usctbankrupcynotice

的自定义条目添加到目录中，并将

字符串作为值。这是非常错误的：将文件存储在字符串中是一个非常糟糕的主意。为什么开发人员不将该文件存储为流？我为雇用这样一位开发者的人感到难过

也就是说，这就是如何提取XML：

PdfDictionary catalog = reader.Catalog;
PdfName name = new PdfName("USCTbankruptcynotice");
PdfString USCTbankruptcynotice = catalog.GetAsString(key);
string xml = USCTbankruptcynotice.ToString();

这是从内存中写入的。如果需要进行小的更正，请更新我的答案。
似乎没有附加文件的方法。法庭页面上有一个链接-。很抱歉有人说XML存储在PDF中的方式很奇怪，但我对PDF非常感兴趣，有时我会神魂颠倒。面对这样的PDF文件给您带来的不便，您应该得到一张赞成票。没问题。只要我不是问题中的开发者……）这是美国法院系统，所以你必须调整你的期望。我整个上午都在诅咒这些文件。那个代码运行得很好。非常感谢你！我只是没有掌握如何访问PdfNameYes，如果不查看PDF文件，没有人会猜到。美国法院刚刚发明了一个自定义名称…嗨@BrunoLowagie，它非常有价值。但我正在尝试使用Jquery/javascript/angular/android/或任何混合移动应用程序技术提取xml文件。有没有办法呢。请帮忙。pdf由itext生成