使用Python或其他方法从PDF中提取指向另一个PDF中页面的链接

Question

我有5个PDF文件，每一个都有链接到另一个PDF文件中的不同页面。这些文件都是大型PDF的目录（每个大约1000页），使得手动提取成为可能，但非常痛苦。到目前为止，我已经尝试在Acrobat Pro中打开该文件，我可以右键单击每个链接并查看它指向的页面，但我需要以某种方式提取所有链接。我不反对对链接进行大量的进一步解析，但我似乎无论如何也无法将它们拔出。我试图从acrobatpro导出PDF为HTML或Word，但两种方法都没有维护链接。在

我束手无策，任何帮助都会很好。我很喜欢使用Python或其他一系列语言

Answer 1

使用pyPdf查找uri

import pyPdf

f = open('TMR-Issue6.pdf','rb')

pdf = pyPdf.PdfFileReader(f)
pgs = pdf.getNumPages()
key = '/Annots'
uri = '/URI'
ank = '/A'

for pg in range(pgs):

    p = pdf.getPage(pg)
    o = p.getObject()

    if o.has_key(key):
        ann = o[key]
        for a in ann:
            u = a.getObject()
            if u[ank].has_key(uri):
                print u[ank][uri]

给予

^{pr2}$

我找不到有指向另一个pdf的链接的文件，但我怀疑URI字段应该包含格式为file:///myfiles的URI