从 pdftk 中排除不可见字段答案

【问题标题】：excluding invisible fields from pdftk从 pdftk 中排除不可见字段
【发布时间】：2019-09-20 21:01:00
【问题描述】：

我正在使用 /usr/bin/pdftk filename.pdf dump_data_fields output - flatten 获取 PDF 中的 FDF 字段，但它似乎也包括不可见的 FDF 字段。

https://docdro.id/nriB59b 是一个单页 PDF，没有任何 txt，但有许多不可见的 FDF 字段。 pdftk 的输出可以在https://pastebin.com/ag6vweNP 看到。

如何排除不可见的 FDF 字段？

我目前正在使用 pdftk，但我也愿意使用其他工具。

谢谢！

【问题讨论】：

@Amessihel - 完成。
@Amessihel - PDF 实际上是我的一位同事发给我的，供我查看。他们正在向其中添加 FDF 字段，但看到 dump_data_fields 正在返回他们在 PDF 中没有看到的字段。收到 PDF 后，我用 Adobe Acrobat Pro 删除了除一页之外的所有页面，然后选择了唯一一页的内容并将其删除。然后我保存了 PDF 并能够重现该问题。可能原始 PDF 也有这些隐藏字段 idk
fdf 字段是什么意思？如果 pdf 包含字段，则它包含 acroform 字段或 xfa 字段。
这些字段是带有合并小部件注释的常规 PDF 字段，即使包括外观流，它们只是不会从文档的任何页面引用。它们既不是按标志不可见（Invisible、Hidden 和 NoView 都没有设置），也不是按大小（Rect 不是 0x0)。
Maybe another way to achieve your goal if you're into code.

标签： pdf pdftk fdf

【解决方案1】：

我的猜测是您必须自己检查 PDF 来检测字段是否不可见。另一方面，判断一个字段是否不可见可能会变得非常棘手，除非有标志设置。

例如，虽然我不知道这是否可能，但假设一个字段在页面之外或被另一个内容覆盖...... 是否可见？

顺便说一句，您可以使用qpdf 来检查 PDF 文件的内容。以下命令将解压缩您的 pdf 以使其易于阅读。

qpdf --qdf --object-streams=disable orig.pdf uncompressed-qpdf.pdf

如果您更喜欢 JSON 表示：

qpdf --json your_pdf.pdf > your_pdf.json

如果你选择后者，你可以用jq解析json输出。

然后，使用您要申请的PDF speficication。我还建议以下步骤：

【讨论】：

我通过 invisible 收集到，op 方法并不怀疑它们是否被任何东西覆盖，只是它们是否由于某些字段或注释标志或 0 大小的矩形而不可见.
@mkl，那太好了，我问是因为经过一些初学者级别的检查后，我无法弄清楚这些字段是如何不可见的。
它们只是没有从文档页面中引用。除此之外，它们没有以任何方式标记为不可见。
这是抽象的 AcroForm 定义。是的，这些字段是在 PDF 中定义的，并且它们被收集在 AcroForm 字典中，它们只是不附加到特定的文档页面。