在 PDF 中搜索字符串并获取它们在页面上的位置答案

【问题标题】：Search PDF for strings and get their position on the page在 PDF 中搜索字符串并获取它们在页面上的位置
【发布时间】：2018-06-11 16:17:55
【问题描述】：

我想将 nameddest 添加到由某个字符串指定的现有 PDF 的位置（例如：在字符串“Chapter 1”的第一次出现处放置一个 nameddest）。然后我希望能够使用 JS 事件跳转到那些命名的目的地。

到目前为止，我使用 PHP 和 FPDF/FPDI 所取得的成就：我可以使用 FPDI 加载现有的 PDF，并使用 [1] 的略微修改版本将 nameddests 添加到任意位置。然后我可以将 PDF 嵌入到 iframe 中，并使用例如 JS 按钮导航到 nameddest。

但是，到目前为止，我需要手动找出 nameddest 的位置。如何在 PDF 中搜索字符串并获取搜索结果的页码和位置，以便在其中添加 nameddest？

[1]http://www.fpdf.org/en/script/script99.php

【问题讨论】：

标签： php pdf search fpdf

【解决方案1】：

用 FPDI 分析 PDF 文档的内容是不可能的。

我们（Setasign - FPDI 和 PDF_NamedDestinations 的作者）有一个产品（不是免费的）可让您处理此任务：SetaPDF-Extractor 组件。

您项目的简单 POC 可能如下所示：

<?php
// load and register the autoload function
require_once('library/SetaPDF/Autoload.php');

$writer = new SetaPDF_Core_Writer_Http('result.pdf', true);
$document = SetaPDF_Core_Document::loadByFilename('file/with/chapters.pdf', $writer);

$extractor = new SetaPDF_Extractor($document);

// define the word strategy
$strategy = new SetaPDF_Extractor_Strategy_Word();
$extractor->setStrategy($strategy);

// get the pages helper
$pages = $document->getCatalog()->getPages();

// get access to the named destination tree
$names = $document
    ->getCatalog()
    ->getNames()
    ->getTree(SetaPDF_Core_Document_Catalog_Names::DESTS, true);

for ($pageNo = 1; $pageNo <= $pages->count(); $pageNo++) {
    /**
     * @var SetaPDF_Extractor_Result_Word[] $words
     */
    $words = $extractor->getResultByPageNumber($pageNo);

    // iterate over all found words and search for "Chapter" followed by a numeric string...
    foreach ($words AS $word) {
        $string = $word->getString();
        if ($string === 'Chapter') {
            $chapter = $word;
            continue;
        }

        if (null === $chapter) {
            continue;
        }

        // is the next word a numeric string
        if (is_numeric($word->getString())) {
            // get the coordinates of the word
            $bounds = $word->getBounds()[0];
            // create a destination
            $destination = SetaPDF_Core_Document_Destination::createByPageNo(
                $document,
                $pageNo,
                SetaPDF_Core_Document_Destination::FIT_MODE_FIT_BH,
                $bounds->getUl()->getY()
            );

            // create a name (shall be unique)
            $name = strtolower($chapter . $word->getString());
            try {
                // add the named destination to the name tree
                $names->add($name, $destination->getPdfValue());
            } catch (SetaPDF_Core_DataStructure_Tree_KeyAlreadyExistsException $e) {
                // handle this exception
            }
        }

        $chapter = null;
    }
}

// save and finish the resulting document
$document->save()->finish();

然后您可以通过这种方式通过 URL 访问命名的目的地（查看器应用程序和浏览器插件需要支持）：

http://www.example.com/script.php#chapter1
http://www.example.com/script.php#chapter2
http://www.example.com/script.php#chapter10
...

【讨论】：

是否有可用的试用版以确保它适用于我们的示例
好的，请看here。