无法使用 iText-8 getAllFormField 方法从 pdf 中提取所有标签

Question

根据 iText 8 版本从 iText 5.5 迁移。

我们无法使用新的 iText 8 代码从 pdf 中提取标签，但可以使用旧的 iText 5.5 代码提取标签。

下面是获取标签的代码。

根据新代码

 PdfAcroForm pdfAcroForm = PdfAcroForm.getAcroForm(pdfDocument, true);
 or
 PdfAcroForm pdfAcroForm = PdfFormCreator.getAcroForm(pdfDocument, true);
 Map<String, PdfFormField> formFieldMap = pdfAcroForm.getAllFormFields();
    

按照旧代码

reader = new com.itextpdf.text.pdf.PdfReader(docdByteArray);
PdfStamper stamper = new PdfStamper(reader, baos);
AcroFields acroFields = stamper.getAcroFields();

我们还尝试了 Apache PDBox，但我们得到了与使用新 iText 8 相同的结果。

仅 1 或 2 个 pdf 会出现此问题。我们有另一个 pdf，其中也有相同的标签，并且我们可以使用新旧代码提取该标签。

我们能够从原始模板中提取该标签，但在预填充后我们失败了。

就我而言，是 pdf 文件损坏还是字段结构受到干扰或任何其他问题。

无法附加 pdf 文档，因为它是机密文档。

我们期望使用 iText 5.5 版本从原始 pdf 和预填充 pdf 获得相同的结果。

Answer 1

iText5 和 8 在处理 acroform 字段方面的主要区别在于

• 在 iText 8 中，我们从 acroform 字典中的表单字段开始读取表单字段，然后向下读取可能的子字段，这些子字段可能是表单字段或小部件注释。
• 在 iText5 中，我们从页面上的小部件注释开始，一直到可能的父级。

另请注意，小部件注释字典可能包含表单字段的数据。

所以区别就在这里，如果您的注释仅出现在页面上，并且没有以任何方式在 acro 表单字典中引用（既不是直接在字段数组中，也不是作为任何字段的子项），iText 8 不会将其视为表单字段相关注释（按照pdf规范）并且不会返回。

您可以尝试自己捕获它并添加到 acro 表单中，从而修复文档。代码如下：

private Map<String, PdfFormField> populateFields(PdfDocument doc) {
    Map<String, PdfFormField> fields = new HashMap<>();
    for (int i = 1; i <= doc.getNumberOfPages(); ++i) {
        PdfPage page = doc.getPage(i);
        List<PdfAnnotation> annotations = page.getAnnotations();
        for (PdfAnnotation annot : annotations) {
            if (!annot.getSubtype().equals(PdfName.Widget)) {
                continue;
            }
            PdfFormField field = PdfFormField.makeFormField(annot.getPdfObject(), doc);
            if (field != null) {
                fields.put(field.getFieldName().toUnicodeString(), field);
            }
        }
    }

    return fields;
}

请注意，此代码不考虑 acro 表单字段层次结构，仅考虑可能会或可能不会从 acro 表单引用的小部件注释的简单列表。 因此，如果您发现此方法返回的字段映射中与 PdfAcroForm.getAllFormFields() 相比有任何独特之处，您可以使用 PdfAcroForm.addField 将其添加到 acro 表单中。