将文档内链接添加到 PDF

Question

我需要以编程方式分析和组合几个（数百个）PDF 文档，并以专门的方式将页面链接在一起。每个 PDF 在链接所属的每个位置都包含文本，指示它应该链接到什么。我正在使用pdfminer 来提取链接应该在的位置和文本；现在我只需要实际创建这些链接。

我做了一些研究并得出结论，PyPDF2 应该可以做到这一点。无论如何，有一个看似简单的addLink 方法声称可以完成工作。我就是无法让它工作。

from PyPDF2 import PdfFileWriter
from PyPDF2.pdf import RectangleObject

out = PdfFileWriter()

out.insertBlankPage(800, 1000)
out.insertBlankPage(800, 1000)

# rect = [400, 400, 600, 600] # This doesn't seem to work either
rect = RectangleObject([400, 400, 600, 600])
out.addLink(0, 1, rect) # link from first to second page

with open(r'C:\temp\test.pdf', 'wb') as outf:
    out.write(outf)

上面的代码生成了一个漂亮的两页 PDF，其中没有任何内容，至少据我所知。有谁知道这可能是如何实现的？或者至少表明我哪里出错了？

只要库是免费许可的，解决方案就不必使用 PyPDF2。严格来说，Python 甚至不是必需的，但如果不使用另一种语言，就可以将它融入我当前的结构中。

Answer 1

这似乎是addLink 实现中的一个错误，或者该方法可能只是用于较旧或不同的链接语法。无论如何，从问题中的示例代码中检查输出 PDF 的结构会发现这个小宝石：

6 0 obj
<<
/Dest [ 4 0 R /FitV 826 ]
/Type /Annot
/Rect RectangleObject([400, 400, 600, 600])
/Border [ 0 0 0 ]
/P IndirectObject(5, 0)
/Subtype /Link
>>

这有几个问题。最明显的是 RectangleObject 和 IndirectObject 是 Python 库的构造，不是有效的 PDF 结构。 /Dest 上面似乎还有一个我没有要求的神秘魔法参数。此外，/P 将是多余的（对包含此链接的页面的引用），即使它是以没有将 Python 对象插入 PDF 结构的方式实现的。所以简而言之，这个链接坏了也就不足为奇了。

稍微弄乱源代码以消除崩溃错误，事实证明需要进行两项更改*才能使链接正常工作：将/Rect的内部表示从NameObject更改为@ 987654330@，并将/P 引用更改为指向页码，而不是实际对象。这些更改让示例代码产生有效的输出：

6 0 obj
<<
/Dest [ 4 0 R /FitV ]
/Type /Annot
/Rect [ 400 400 600 600 ]
/Border [ 0 0 0 ]
/P 0
/Subtype /Link
>>

Et voilà，该链接在输出中完全按照预期工作！我还从 /Rect 值中删除了魔术 826，因为它可能不是一个合法的参数，具体取决于缩放级别，而且它真的不应该被硬编码。

---

*在确定此修复程序按预期工作后，我确实发现将/Rect 保留为NameObject 并将其传递给看起来像输出应该的字符串（例如'[ 400 400 600 600 ]' ) 也可以。这大概是为了提供最大的灵活性，但肯定是出乎意料的。

---

更新：我整理并提交了一个更完整的修复（link to the patch 为后代），所以上述问题应该都得到修复，从 版本 1.22 开始。