如何从 PDF 中提取书签？答案

【问题标题】：How to extract bookmarks from a PDF?如何从 PDF 中提取书签？
【发布时间】：2015-04-15 12:27:49
【问题描述】：

当我在 PDF 查看器中打开 PDF 时，我会在实际文档的左侧看到一系列书签。那里显示的信息似乎并不构成文档实际内容的一部分：它没有打印出来，它没有出现在特定页面上。

如何使用 Java 提取这些书签？

【问题讨论】：

当您谈论 PdfBox 时，为什么这个问题会被标记为 iText 问题。请在视图左侧的文档查看器中完成句子我已查看pdf。您指的是书签面板吗？您指的是带有标记 PDF 标记的面板吗？元数据通常不会显示在 PDF 查看器的左侧。选择文件 > 文档属性时会显示元数据。
嗨@BrunoLowagie。非常遗憾。是的，我确实在书签面板中看到了一些信息。我尝试使用 PdfBox 和 Itext，但我无法获得这些信息。此外，书签中的信息也不存在于 Pdf 文本中的任何地方
PDFBox 的查看器不显示元数据。您可以使用 PDFDebugger 命令行工具查看它（如果这是您的问题）。 pdfbox.apache.org/1.8/commandline.html#pdfDebugger你的问题真的不清楚，关于你是在问“如何”还是关于错误/不需要的行为。你真的应该解决这个问题来解释你想做什么/你做了什么/发生了什么。
书签中的信息不必出现在文本中。这些是分开的事情。 PDFBox 确实有读取书签的方法：svn.apache.org/repos/asf/pdfbox/trunk/examples/src/main/java/…
非常感谢@Tilman Hausherr 我能够完成任务。

标签： java pdf pdf-parsing

【解决方案1】：

OP 问题要求使用 Java 解决方案。

但是，对于必须处理 PDF 的人来说，这可能是一个更普遍感兴趣的话题。所以我的回答提供了一个命令行解决方案：mutool。

mutool 是与 MuPDF viewer 软件捆绑在一起的命令行实用程序，由为我们提供 Ghostscript 的同一家公司编写。

其最新版本包括 show 子命令，可用于打印outlines（在 PDF 技术术语中，OP 和Adobe UI 称为“书签”），以及 PDF 中其他感兴趣的特定项目：

$ mutool show PDF32000_2008.pdf outlines

  Document management — Portable document format — Part 1: PDF 1.7  1
  Contents Page 3
  Foreword  6
  Introduction  7
  1 Scope   9
  2 Conformance 9
    2.1 General 9
    2.2 Conforming readers  9
    2.3 Conforming writers  9
    2.4 Conforming products 10
  3 Normative references    10
  4 Terms and definitions   14
  5 Notation    18
  6 Version Designations    18
  7 Syntax  19
    7.1 General 19
    7.2 Lexical Conventions 19
        7.2.1 General   19
        7.2.2 Character Set 20
        7.2.3 Comments  21
  [....]

（输出已缩短。）原始 PDF 文档（官方 PDF-1.7 规范）包含此页面作为 ToC：

您可以清楚地看到，/Outlines 的内容与包含的目录页面有何不同（但相似）。

这是大纲（“书签”）在 Adobe Reader XI 中的显示方式：

【讨论】：

【解决方案2】：

请下载免费电子书The Best iText Questions on StackOverflow。在那本书中，你会找到许多问题的答案，包括问题Reading PDF Bookmarks in VB.NET using iTextSharp

提取书签最酷的方法是创建一个 XML 文件，该文件以良好的分层方式显示书签：

PdfReader reader = new PdfReader(src);
List<HashMap<String, Object>> list = SimpleBookmark.getBookmark(reader);
SimpleBookmark.exportToXML(list,
    new FileOutputStream(dest), "ISO8859-1", true); 
reader.close();

【讨论】：

0 反对票接受我能够使用 PDFBOx 和 iText 获取书签。谁能告诉我如何在 PdfLib 中得到这个？
你为什么要否决我的回答？您明确要求使用 iText（或 PdfBox 或 PdfLib）提取书签。我最初对你的问题投了反对票，因为它不清楚。然后你澄清了你的问题，之后我编辑了你的问题。随后，我撤回了我的反对票，因为在我编辑后问题的状态更好。

【解决方案3】：

要使用 Java 从 PDF 文件中检索书签内容，您可以使用 PDFlib+PDI 9 的 pCOS 接口。pCOS Cookbook 中包含示例代码： http://www.pdflib.com/en/pcos-cookbook/interactive-elements/bookmarks/

【讨论】：