java - 如何自动将pdf表单域导出到xml

Question

我有一个包含表单字段的 pdf 文件，需要自动将数据导出到 xml 文件中。这是我为测试创建的示例表单的屏幕:

注意:通过单击 工具 > 表单 > 导出表单数据 使用 Acrobat Professional 手动 导出它效果很好，最后选择 xml 扩展名作为文件输出。这是我手动导出时得到的结果:

<?xml version="1.0" encoding="UTF-8"?>
<fields>
    <first_name>John</first_name>
    <last_name>Doe</last_name>
</fields>

但是，我需要将其自动化，例如使用 python 脚本、Java 实现 或一些命令行工具。我可以使用哪些库或工具将表单字段数据导出到 xml？工具或库应该开源，以便我可以将其集成到我的工作流程中。

我已经尝试过 python pdfminer 库，它帮助我导出静态部分(如 Static form header、First name: 和 Last name:) 的 pdf 文件:但是如何导出表单字段数据(在我的例子中是表单字段 first_name 和 last_name 的内容)？ ？

编辑:请随意下载 sample.pdf 文件 here .

Answer 1

Apache PDFBox怎么样？ ？它是开源的，可以满足您的需求，因为该网站说“从 PDF 表单中提取表单数据或预填 PDF 表单。”

编辑:查看 PrintFields example .