PDF 文件中的文本链接是如何定义的？

在查看 PDF 文件时，你可能会注意到其中有 蓝色的可点击链接，类似于网页中的超链接。这些链接在 PDF 中有两种定义方式：

 

1. 由 PDF 查看器自动生成的链接

一些 PDF 查看器会 自动识别页面上的文本，如果文本以 "http://" 或 "www." 开头，它们会 自动添加超链接。

但需要注意：

    1    这种链接 并不存储在 PDF 文件本身，而是 查看器的临时解析结果。

    2    不同的 PDF 查看器 处理方式不同，有的会识别多行 URL，而有的可能不会。

    3    这种方法 不够精准，容易出现遗漏或错误。

2. PDF 文件中实际存在的链接

PDF 文件 可以包含真正的超链接，但这些链接 不是存储在文本中，而是作为 Annotations（注释对象） 存储的。这些注释对象是 PDF 文件中的独立对象，由 PDF 查看器渲染并绘制到页面上。

PDF 文件中的 Annotation（注释对象）

在 每个 PDF 页面 上，可能会有一个 注释对象列表（如果没有注释对象，则此列表为空）。注释对象使 PDF 能够支持 动画、交互、超链接 等功能。

PDF 有 多种类型的 Annotation（注释对象），但这里我们主要关注 /Subtype 为 Link 的注释对象（即超链接）。

PDF 超链接的原始数据示例

在 PDF 的内部数据中，链接可能如下所示：

23 0 obj<<

/F 4 /A<</URI(http://www.jpedal.org/link.html)/Type/Action/S/URI>>

/BS<</W 0>>

/Subtype/Link

/StructParent 1

/Rect[60.72 684 86.88 696]

>>

endobj

 

关键字段解析

    1    /Subtype：

    1    指定了注释的类型，这里是 "Link"（超链接）。

    2    PDF 还支持 视频、音频、表单、弹出注释 等其他类型的注释。

    2    
/Rect：

    1    这是 PDF 坐标，定义了一个 矩形区域。

    2    当用户点击该区域时，超链接将被激活。

/A（Action）：

    1    这里定义了 链接的具体动作。

    2    在这个示例中，/A 字段指向 一个 URL（http://www.jpedal.org/link.html）。

    3    PDF 查看器会 在浏览器中打开该链接。

如何提取 PDF 文件中的超链接？

超链接数据可以 直接从 Annotation（注释对象）中提取。这正是我们的 JPedal 所提供的功能之一。

正如前文提到的：

    1    PDF 的文本和超链接是分开存储的，因此要解析页面文本，必须 解析整个 PDF 页面。

    2    由于 PDF 的 存储方式复杂，无法直接通过坐标精确定位文本，必须 解析整个页面内容 才能确定超链接周围的文本信息。

我们的主页：PDF 转 HTML5、Java 图像库、Java PDF SDK - IDRsolutions