Java PDFBox-可访问PDF-如何根据可访问性指南检查PDF标记是否具有属性

需要根据可访问性指南检查PDF标记是否具有属性。 示例：

• H1-验证PDF中是否存在H1
• 图像（图形标记）-验证图像\Figure具有Alt文本
• 语言-验证是否设置了语言属性，以便屏幕阅读器能够正确读取。对于西班牙语和英语文件，应更新各自的语言代码
• 表-访问表对象并验证表结构是否正确（标题列与行列匹配等）

到目前为止，我能够：

• 通过

  PDDocument.getDocumentInformation（）.getMetadataKeys（）提取元数据并验证文档是否具有正确的标题、主题和生产者信息

• 通过检查

  PDDocument.getDocumentCatalog（）.getMarkInfo（）.isMarked（），验证PDF是否可访问标志

为了访问标签，我尝试了以下选项：

• getDocumentCatalog（）.getAcroForm（）

  返回空值

• PDDocument.getDocumentCatalog（）.getPages（）.get（0.getAnnotations（）返回空值

• 我尝试在

  PDDocument.getDocumentCatalog（）.getStructureTreeRoot（）.getKids（）

  中循环，但它只返回1

  StructElem

  类型对象

可访问PDF的创建是使用OpenText完成的，所以开发团队不知道PDFBox。 我在这里迷失了如何访问标记/对象（使用MarkedContent或其他东西）

请建议如何提取单个对象（标记），如p、H1、表格、图形/图像，并验证其属性。

---

注意：这些属性的手动验证是使用Adobe Acrobat Pro执行的。基于，您似乎可以使用PDFMarkedContentExtractor来获取所需的信息

请共享包含这些标签的PDF并ping我。您正在搜索的内容位于结构树中，也可以使用PDFDebugger查看。@Tilmanhausher感谢您的回复。不幸的是，我无法共享我必须验证的PDF。以下是示例PDF。在下面的PDF中，我需要验证狐狸和狗的图片是否有正确的alt文本。在下面的PDF中，我需要验证表结构是否正确。就像它有TH，TBody标签一样。每个TD都被映射。我看了一下…这比我想象的要复杂，对不起。如果您使用PDFDebugger查看它，您将看到原因：-（没问题，谢谢您的检查。我以前没有使用过PDFDebugger，请检查。@SachinG您对此有什么线索吗？另外，

PDDocument.getDocumentCatalog（）.getStructureTreeRoot（）.getKids（）但是它只返回1个StructElem类型的对象

，你有没有找到一种方法来迭代这个

struccelem

。