使用 PDFBox 标记 PDF

Question

是否可以使用 PDFBox 创建带标签的 PDF(PDF/UA)？看起来 PDFBox 有一个 API（包

org.apache.pdfbox.pdmodel.documentinterchange.taggedpdf

），但我找不到任何教程或代码示例。

使用下面的代码，我生成了一个包含图像的 PDF 文件，屏幕阅读器 NVDA（在我的例子中）可以识别它并读取“...图形替代描述”。但是，可访问性检查器PAC 2显示错误：“图像对象未标记”。

        PDDocument doc = new PDDocument();
        PDPage page = new PDPage();
        doc.addPage(page);
        PDDocumentCatalog documentCatalog = doc.getDocumentCatalog();

        PDImageXObject pdImage = PDImageXObject.createFromFile(imagePath, doc);
        PDPageContentStream contents = new PDPageContentStream(doc, page);
        contents.drawImage(pdImage, 100, 600, pdImage.getWidth() / 2, pdImage.getHeight() / 2);
        contents.close();

        PDStructureTreeRoot treeRoot = new PDStructureTreeRoot();
        PDStructureElement structureElement = new PDStructureElement(StandardStructureTypes.Figure, treeRoot);
        structureElement.setPage(page);

        PDMarkedContent markedImg = new PDMarkedContent(COSName.IMAGE, new COSDictionary());
        markedImg.addXObject(pdImage);

        structureElement.appendKid(markedImg);
        structureElement.setAlternateDescription("Alternate Description");
        treeRoot.appendKid(structureElement);
        documentCatalog.setStructureTreeRoot(treeRoot);
        // ....
        doc.save(fileName);

您能提供一些关于这个主题的解释或/和代码示例吗？

Answer 1

我提供了一个工作示例，演示如何使用 PDFBox 2 创建可访问的 PDF： https://github.com/martinlovell/accessible-pdfbox-example

问题中的代码缺少一些内容。标记的内容需要替代文本，我相信您需要该标记内容的 mcid。

示例项目更详细地演示了您的需求。

它会是这样的：

PDPageContentStream contents = new PDPageContentStream(doc, page);

// the content in the stream needs an id
int mcid = 5;
COSDictionary dictionary = new COSDictionary();
dictionary = new COSDictionary();
dictionary(COSName.MCID, mcid);

// wrap image drawing in marked content
contents.beginMarkedContent(COSName.IMAGE, PDPropertyList.create(dictionary));
contents.drawImage(pdImage, 100, 600, pdImage.getWidth() / 2, pdImage.getHeight() / 2);
contents.endMarkedContent();

contents.close();

PDStructureTreeRoot treeRoot = new PDStructureTreeRoot();
documentCatalog.setStructureTreeRoot(treeRoot);
PDStructureElement structureElement = new PDStructureElement(StandardStructureTypes.Figure, treeRoot);
structureElement.setPage(page);
structureElement.setAlternateDescription("Alternate Description");

// Set alt text on marked content for structure.  
// This is the dictionary with the mcid used in beginMarkedContent.
dictionary.setString(COSName.ALT, "Alternate Description");
PDMarkedContent markedImg = new PDMarkedContent(COSName.IMAGE, dictionary);
markedImg.addXObject(pdImage);
structureElement.appendKid(markedImg);

Answer 2

有人找到了使用 pdfbox （当前版本 3.0.0）标记内容的方法吗？ mlowell 提供的示例仅适用于正确构建元素，但 PAC 工具仍然会对未标记的内容发出警告。