如何使用iText 7(或其他)从Java中的XFA PDF文档中提取XML?
使用Java和iText 7,我试图从XFA PDF表单中提取XML数据,以便解析(并可能修改)数据,但我所能做的就是获取一些与我使用的任何XFA文件相同的基本通用数据 我知道这必须是可能的,因为它是在iText RUPS工具中完成的,但我已经兜圈子好几天了如何使用iText 7(或其他)从Java中的XFA PDF文档中提取XML?,java,xml,pdf,itext,Java,Xml,Pdf,Itext,使用Java和iText 7,我试图从XFA PDF表单中提取XML数据,以便解析(并可能修改)数据,但我所能做的就是获取一些与我使用的任何XFA文件相同的基本通用数据 我知道这必须是可能的,因为它是在iText RUPS工具中完成的,但我已经兜圈子好几天了 public class Parse { private PdfDocument pdf; private PdfAcroForm form; private XfaForm xfa; private Do
public class Parse {
private PdfDocument pdf;
private PdfAcroForm form;
private XfaForm xfa;
private Document domDocument;
private Map<Integer, String> data;
private int numberOfPages;
private String pdfText;
public void openPdf(String src, String dest) throws IOException, TransformerException {
PdfReader reader = new PdfReader(src);
reader.setUnethicalReading(true);
pdf = new PdfDocument(reader, new PdfWriter(dest));
form = PdfAcroForm.getAcroForm(pdf, true);
data = new HashMap<Integer, String>();
numberOfPages = getNumberOfPdfPages();
PdfPage currentPage;
String textFromPage;
for (int page = 1; page <= numberOfPages; page++) {
System.out.println("Reading page: " + page + " -----------------");
currentPage = pdf.getPage(page);
textFromPage = PdfTextExtractor.getTextFromPage(currentPage);
data.put(page, textFromPage);
pdfText += currentPage + ":" + "\n" + textFromPage + "\n";
}
xfa = form.getXfaForm();
domDocument = xfa.getDomDocument();
Map<String, Node> map = xfa.extractXFANodes(domDocument);
System.out.println("The template node = " + map.get("template").toString() + "\n");
System.out.println("Dom document = " + domDocument.toString() + "\n");
System.out.println("In map form = " + map.toString() + "\n");
System.out.println("pdfText = " + pdfText + "\n");
Node node = xfa.getDatasetsNode();
NodeList list = node.getChildNodes();
for (int i = 0; i < list.getLength(); i++) {
System.out.println("Get Child Nodes Output = " + list.item(i) + "\n");
}
}
}
您有一个纯XFA文件。这意味着存储在此文件中的唯一PDF内容包含“请稍候…”消息。该页面显示在不知道如何呈现XFA的PDF查看器中 它也是您使用以下方法从页面中提取内容时获得的内容:
currentPage = pdf.getPage(page);
textFromPage = PdfTextExtractor.getTextFromPage(currentPage);
这是在面对纯XFA文件时不应该做的事情,因为所有相关内容都存储在PDF文件中存储的XML流中
您已经拥有第一部分的权利:
xfa = form.getXfaForm();
domDocument = xfa.getDomDocument();
XFA流可以在/AcroForm
条目中找到。我知道这很尴尬,但PDF就是这样设计的。这不是我们的选择,而且XFA在PDF 2.0中不受欢迎,所以XFA正在消亡。当XFA最终死亡并被埋葬时,问题将消失
这就是说,您有一个org.w3c.dom.Document的实例
,您希望获得存储在此对象中的XML文件。这样做不需要iText。例如,这在
我使用以下代码片段在XFA文件上测试了该代码:
public static void main(String[] args) throws IOException, TransformerException {
PdfDocument pdf = new PdfDocument(new PdfReader(SRC));
PdfAcroForm form = PdfAcroForm.getAcroForm(pdf, true);
XfaForm xfa = form.getXfaForm();
Document doc = xfa.getDomDocument();
DOMSource domSource = new DOMSource(doc);
StringWriter writer = new StringWriter();
StreamResult result = new StreamResult(writer);
TransformerFactory tf = TransformerFactory.newInstance();
Transformer transformer = tf.newTransformer();
transformer.setOutputProperty(OutputKeys.ENCODING, "UTF-8");
transformer.setOutputProperty(OutputKeys.INDENT, "yes");
transformer.transform(domSource, result);
writer.flush();
System.out.println(writer.toString());
}
屏幕上的输出是包含我所期望的所有XFA信息的XDP XML文件
请注意,在替换XFA XML文件时,我会非常小心。最好不要干预XFA结构,而是创建一个XML文件,其中只包含使用适当模式创建的数据,并按照FAQ中的描述填写表单:这正是我想要的!很好用!非常感谢。
public static void main(String[] args) throws IOException, TransformerException {
PdfDocument pdf = new PdfDocument(new PdfReader(SRC));
PdfAcroForm form = PdfAcroForm.getAcroForm(pdf, true);
XfaForm xfa = form.getXfaForm();
Document doc = xfa.getDomDocument();
DOMSource domSource = new DOMSource(doc);
StringWriter writer = new StringWriter();
StreamResult result = new StreamResult(writer);
TransformerFactory tf = TransformerFactory.newInstance();
Transformer transformer = tf.newTransformer();
transformer.setOutputProperty(OutputKeys.ENCODING, "UTF-8");
transformer.setOutputProperty(OutputKeys.INDENT, "yes");
transformer.transform(domSource, result);
writer.flush();
System.out.println(writer.toString());
}