python - 在 Python 中从 PDF 中提取超链接

Question

我有一个 PDF 文档，里面有几个超链接，我需要从 pdf 中提取所有文本。我使用了 http://www.endlesslycurious.com/2012/06/13/scraping-pdf-with-python/ 中的 PDFMiner 库和代码提取文本。但是，它不会提取超链接。

例如，我的文字是 Check this link out , 附有链接。我能够提取单词 Check this link out，但我真正需要的是超链接本身，而不是单词。

我该怎么做呢？理想情况下，我更愿意用 Python 来做，但我也愿意用任何其他语言来做。

我看过itextsharp，但没用过。我在 Ubuntu 上运行，非常感谢任何帮助。

Answer 1

Ashwin 答案的略微修改版本:

import PyPDF2
PDFFile = open("file.pdf",'rb')

PDF = PyPDF2.PdfFileReader(PDFFile)
pages = PDF.getNumPages()
key = '/Annots'
uri = '/URI'
ank = '/A'

for page in range(pages):
    print("Current Page: {}".format(page))
    pageSliced = PDF.getPage(page)
    pageObject = pageSliced.getObject()
    if key in pageObject.keys():
        ann = pageObject[key]
        for a in ann:
            u = a.getObject()
            if uri in u[ank].keys():
                print(u[ank][uri])