使用iTextSharp（C＃）从PDF中提取嵌入式XML

如果您可以将PDF与嵌入式XML共享，将很有帮助。当我第一次阅读您的问题时，我假设XML将作为文档级附件（存储在EmbeddedFiles中）或作为附件注释（存储在添加到页面字典中的Annot中）添加。

阅读uscourts.gov上写的内容，看起来XML实际上是XMP流。这意味着您可以在目录的“元数据”条目中找到它（或者可以在页面词典中找到它）。

如果您无法共享文件，则必须自己做。您可以通过下载iText RUPS来实现。它是查看PDF内部的免费工具。

浏览树形结构，寻找Metadata，寻找EmbeddedFiles，寻找Annots。如果您不告诉我们XML的嵌入方式，那么没有人能够为您提供帮助。

请查看我对以下问题的回答，以获取示例：如何使用itext删除PDF附件（请参阅我如何使用RUPS来查看目录>名称> EmbeddedFiles）。

额外说明：到目前为止，您尝试过的代码是有关从页面中提取文本的，而不是有关提取嵌入在PDF中的XML文件的。

更新：

现在，您已经共享了文件，我已经使用RUPS查找XML文件。看下面的屏幕截图：

你看到这里发生了什么吗？有人添加了一个名为自定义项/USCTbankruptcynotice与String作为价值直奔目录。太错了：将文件存储在string中是一个坏主意。该开发人员为什么不将文件存储为流？对于雇用这样的开发人员的人，我感到很难过。

话虽如此，这是提取XML的方法：

PdfDictionary catalog = reader.Catalog;
PdfName name = new PdfName("USCTbankruptcynotice");
PdfString USCTbankruptcynotice = catalog.GetAsString(key);
string xml = USCTbankruptcynotice.ToString();

这是从内存写入的。如果您需要进行小的更正，请更新我的答案。