我需要在网络上发布几个(阅读很多)PDF文件,但是其中许多都有硬编码的file://链接和指向非公共位置的链接。我需要通读这些PDF并将链接更新到正确的位置。我已经开始使用itextsharp编写应用程序以读取目录和文件,查找PDF并遍历每个页面。接下来,我需要找到链接,然后更新不正确的链接。
string path = "c:\\html"; DirectoryInfo rootFolder = new DirectoryInfo(path); foreach (DirectoryInfo di in rootFolder.GetDirectories()) { // get pdf foreach (FileInfo pdf in di.GetFiles("*.pdf")) { string contents = string.Empty; Document doc = new Document(); PdfReader reader = new PdfReader(pdf.FullName); using (MemoryStream ms = new MemoryStream()) { PdfWriter writer = PdfWriter.GetInstance(doc, ms); doc.Open(); for (int p = 1; p <= reader.NumberOfPages; p++) { byte[] bt = reader.GetPageContent(p); } } } }
坦率地说,一旦我获得了页面内容,当我涉及到iTextSharp时,我就会对此一无所知。我已经阅读了sourceforge上的itextsharp示例,但实际上并没有找到我想要的。
任何帮助将不胜感激。
谢谢。
如果您不了解PDF格式的内部内容以及iText / iTextSharp对其的抽象/实现,则此操作会有些复杂。您需要了解如何使用PdfDictionary对象并通过其PdfName键查找事物。一旦获得,您就可以阅读正式的PDF规范并轻松浏览文档。如果您愿意,我会在适用的地方在括号中包括PDF规范的相关部分。
PdfDictionary
PdfName
无论如何,PDF中的链接都存储为注释(PDF Ref 12.5)。注释是基于页面的,因此您首先需要单独获取每个页面的注释数组。注释有很多不同的类型,因此您需要检查每个注释,SUBTYPE并查看其是否设置为LINK(12.5.6.5)。每个链接 都应 有一个ACTION与之关联的字典(12.6.2),您想检查操作的S键以查看它是什么类型的操作。有很多可能的链接,具体来说,链接可能是内部链接或打开文件链接或播放声音链接或其他内容(12.6.4.1)。您只在寻找类型的链接URI(注意字母I而不是letter L)。URI操作(12.6.4.7)的URI密钥可保存要导航的实际地址。(还有一个IsMap我无法想象任何人使用的图像映射的属性。)
PDF Ref 12.5
SUBTYPE
LINK
12.5.6.5
ACTION
12.6.2
S
12.6.4.1
URI
I
L
12.6.4.7
IsMap
ew。还在读书吗?以下是基于我在此处发布的针对iTextSharp 5.1.1.0 的完整运行的VS 2010 C#WinForms应用程序。这段代码主要做两件事:1)创建一个带有指向Google.com的链接的示例PDF,以及2)用指向bing.com的链接替换该链接。该代码应该被很好地注释,但是可以随时问您可能有的任何问题。
using System; using System.Text; using System.Windows.Forms; using iTextSharp.text; using iTextSharp.text.pdf; using System.IO; namespace WindowsFormsApplication1 { public partial class Form1 : Form { //Folder that we are working in private static readonly string WorkingFolder = Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "Hyperlinked PDFs"); //Sample PDF private static readonly string BaseFile = Path.Combine(WorkingFolder, "OldFile.pdf"); //Final file private static readonly string OutputFile = Path.Combine(WorkingFolder, "NewFile.pdf"); public Form1() { InitializeComponent(); } private void Form1_Load(object sender, EventArgs e) { CreateSamplePdf(); UpdatePdfLinks(); this.Close(); } private static void CreateSamplePdf() { //Create our output directory if it does not exist Directory.CreateDirectory(WorkingFolder); //Create our sample PDF using (iTextSharp.text.Document Doc = new iTextSharp.text.Document(PageSize.LETTER)) { using (FileStream FS = new FileStream(BaseFile, FileMode.Create, FileAccess.Write, FileShare.Read)) { using (PdfWriter writer = PdfWriter.GetInstance(Doc, FS)) { Doc.Open(); //Turn our hyperlink blue iTextSharp.text.Font BlueFont = FontFactory.GetFont("Arial", 12, iTextSharp.text.Font.NORMAL, iTextSharp.text.BaseColor.BLUE); Doc.Add(new Paragraph(new Chunk("Go to URL", BlueFont).SetAction(new PdfAction("http://www.google.com/", false)))); Doc.Close(); } } } } private static void UpdatePdfLinks() { //Setup some variables to be used later PdfReader R = default(PdfReader); int PageCount = 0; PdfDictionary PageDictionary = default(PdfDictionary); PdfArray Annots = default(PdfArray); //Open our reader R = new PdfReader(BaseFile); //Get the page cont PageCount = R.NumberOfPages; //Loop through each page for (int i = 1; i <= PageCount; i++) { //Get the current page PageDictionary = R.GetPageN(i); //Get all of the annotations for the current page Annots = PageDictionary.GetAsArray(PdfName.ANNOTS); //Make sure we have something if ((Annots == null) || (Annots.Length == 0)) continue; //Loop through each annotation foreach (PdfObject A in Annots.ArrayList) { //Convert the itext-specific object as a generic PDF object PdfDictionary AnnotationDictionary = (PdfDictionary)PdfReader.GetPdfObject(A); //Make sure this annotation has a link if (!AnnotationDictionary.Get(PdfName.SUBTYPE).Equals(PdfName.LINK)) continue; //Make sure this annotation has an ACTION if (AnnotationDictionary.Get(PdfName.A) == null) continue; //Get the ACTION for the current annotation PdfDictionary AnnotationAction = (PdfDictionary)AnnotationDictionary.Get(PdfName.A); //Test if it is a URI action if (AnnotationAction.Get(PdfName.S).Equals(PdfName.URI)) { //Change the URI to something else AnnotationAction.Put(PdfName.URI, new PdfString("http://www.bing.com/")); } } } //Next we create a new document add import each page from the reader above using (FileStream FS = new FileStream(OutputFile, FileMode.Create, FileAccess.Write, FileShare.None)) { using (Document Doc = new Document()) { using (PdfCopy writer = new PdfCopy(Doc, FS)) { Doc.Open(); for (int i = 1; i <= R.NumberOfPages; i++) { writer.AddPage(writer.GetImportedPage(R, i)); } Doc.Close(); } } } } } }
编辑
我应该注意,这只会更改实际链接。文档中的任何文本都不会更新。注释是在文本顶部绘制的,但实际上并没有与下面的文本绑定。那完全是另一个话题。