在 .NET 应用程序中使用 pdfbox 从 pdf 中提取嵌入文件答案

【问题标题】：Extract Embedded files from pdf using pdfbox in .NET application在 .NET 应用程序中使用 pdfbox 从 pdf 中提取嵌入文件
【发布时间】：2013-06-10 08:43:50
【问题描述】：

我正在开发 .NET 应用程序，使用 pdfbox 从 PDF 中提取元数据、内容和附件。我能够提取元数据和内容，但在提取附件/嵌入文件时卡住了。

我有一个带有嵌入/附加文档文件的 pdf，并且想要检索该文件。我已经完成了 java 示例 - http://svn.apache.org/repos/asf/pdfbox/trunk/examples/src/main/java/org/apache/pdfbox/examples/pdmodel/ExtractEmbeddedFiles.java 。但是在尝试在.Net中使用它时，我在下面的代码sn-p中得到“非泛型类型'java.util.Map'不能与类型参数一起使用”

java.util.Map<String, COSObjectable> names = efTree.getNames();

所以，如果有人帮我从 pdf 中提取文件，我将不胜感激。

提前致谢。

【问题讨论】：

标签： .net pdfbox

【解决方案1】：

import java.io.FileOutputStream;
import java.io.IOException;

import com.itextpdf.text.pdf.PRStream;
import com.itextpdf.text.pdf.PdfArray;
import com.itextpdf.text.pdf.PdfDictionary;
import com.itextpdf.text.pdf.PdfName;
import com.itextpdf.text.pdf.PdfReader;

public class PDFAttachments {

    public PDFAttachments() {

    }

    public void extractAttachments(String src, String dest) throws IOException {
        PdfReader reader = new PdfReader(src);
        PdfArray array;
        PdfDictionary annot;
        PdfDictionary fs;
        PdfDictionary refs;
        String fName;
        try {
            for (int i = 1; i <= reader.getNumberOfPages(); i++) {
                array = reader.getPageN(i).getAsArray(PdfName.ANNOTS);
                if (array == null)
                    continue;
                for (int j = 0; j < array.size(); j++) {
                    annot = array.getAsDict(j);
                    if (PdfName.FILEATTACHMENT.equals(annot
                            .getAsName(PdfName.SUBTYPE))) {
                        fs = annot.getAsDict(PdfName.FS);
                        refs = fs.getAsDict(PdfName.EF);
                        for (PdfName name : refs.getKeys()) {
                            fName = dest + fs.getAsString(name).toString();
                            /*
                             * FileOutputStream fos = new
                             * FileOutputStream(String.format(dest,
                             * fs.getAsString(name).toString()));
                             */
                            FileOutputStream fos = new FileOutputStream(fName);
                            fos.write(PdfReader.getStreamBytes((PRStream) refs
                                    .getAsStream(name)));
                            fos.flush();
                            fos.close();
                        }
                    }
                }
            }
        } catch (Exception e) {
            System.err.println("exception " + e.getMessage());
        }
    }

}
}

【讨论】：

【解决方案2】：

我通过省略泛型并尝试这样的方法解决了这个问题：

java.util.Map 名称 = efTree.getNames();

现在我可以提取位于附件选项卡中的附件，但是 无法提取附加文件位于页面中。在这种情况下，我得到了 null efTree。

PDDocumentNameDictionary namesDictionary = new PDDocumentNameDictionary(pdfDoc.getDocumentCatalog());
PDEmbeddedFilesNameTreeNode efTree=namesDictionary.getEmbeddedFiles();

因此，如果有人知道如何提取附加/嵌入在页面中的文件，可以帮助我在 .NET 应用程序中进行操作。

【讨论】：