使用C#及IronPDF库提取PDF目录及其超链接的方法咨询

一、IronPDF的可行处理方式 #

如果你的PDF目录是标准书签结构（不是纯文本加零散链接），可以通过IronPDF的Bookmark类提取所需信息，可能你之前没用到完整的属性：

var pdf = PdfDocument.FromFile("target.pdf");
foreach (var bookmark in pdf.Bookmarks)
{
    string entryText = bookmark.Text;
    // 目标页码：IronPDF用0索引，实际页码需+1
    int targetPage = bookmark.DestinationPageIndex + 1;
    // 跳转位置坐标（对应页面内的精确位置）
    var targetLoc = bookmark.DestinationLocation;
    double posX = targetLoc.X;
    double posY = targetLoc.Y;

    // 按需存储或输出
    Console.WriteLine($"目录项: {entryText} | 跳转至页码 {targetPage}, 位置 ({posX}, {posY})");
}

如果你的PDF是纯文本目录+内嵌超链接（无标准书签），IronPDF对这类非结构化链接的提取支持确实有限，建议换用其他工具。

二、替代方案 #

1. iText7（C#/.NET） #

iText7对PDF底层结构解析能力更强，既能处理标准书签，也能提取文本内的跳转链接：

• 提取标准书签：

using iText.Kernel.Pdf;
using iText.Kernel.Pdf.Navigation;

var pdfDoc = new PdfDocument(new PdfReader("target.pdf"));
var rootOutline = pdfDoc.GetOutlines(false);
TraverseBookmarks(rootOutline);

void TraverseBookmarks(OutlineTreeItem item)
{
    if (!string.IsNullOrEmpty(item.GetTitle()))
    {
        var dest = item.GetDestination();
        if (dest != null)
        {
            int targetPage = dest.GetPage().GetPageNumber();
            // 提取精确跳转位置（以XYZ类型为例）
            if (dest is PdfExplicitDestination explicitDest)
            {
                float targetX = explicitDest.GetLeft();
                float targetY = explicitDest.GetTop();
                Console.WriteLine($"目录项: {item.GetTitle()} | 页码 {targetPage}, 位置 ({targetX}, {targetY})");
            }
            else
            {
                Console.WriteLine($"目录项: {item.GetTitle()} | 页码 {targetPage}");
            }
        }
    }
    // 遍历子目录
    foreach (var child in item.GetAllChildren())
    {
        TraverseBookmarks(child);
    }
}

• 针对文本内嵌链接：可以通过遍历页面的PdfCanvasProcessor识别带有跳转动作的文本块，实现更细致的提取。

2. PdfSharp（C#/.NET） #

轻量级开源库，适合快速提取标准书签：

using PdfSharp.Pdf;
using PdfSharp.Pdf.IO;

var doc = PdfReader.Open("target.pdf", PdfDocumentOpenMode.Import);
foreach (var outline in doc.Outlines)
{
    string entryText = outline.Title;
    var dest = outline.Destination;
    if (dest != null)
    {
        int targetPage = dest.PageNumber;
        Console.WriteLine($"目录项: {entryText} | 跳转至页码 {targetPage}");
    }
    // 递归处理子目录
    foreach (var subOutline in outline.Outlines)
    {
        // 重复上述逻辑提取子项信息
    }
}

3. Python工具链（PyPDF2、pdfplumber） #

如果允许使用Python，这类工具灵活性更高：

• PyPDF2提取标准书签：

from PyPDF2 import PdfReader

reader = PdfReader("target.pdf")
for bookmark in reader.outline:
    if isinstance(bookmark, list):
        # 处理多级目录
        for sub_bookmark in bookmark:
            print(f"子目录: {sub_bookmark.title} | 页码 {sub_bookmark.page_number + 1}")
    else:
        print(f"目录项: {bookmark.title} | 页码 {bookmark.page_number + 1}")

• pdfplumber：可以提取页面文本及关联的跳转链接，适合处理非标准书签的PDF文件。

4. 命令行工具Poppler #

适合批量处理场景，用pdftotext和pdfinfo提取书签与链接：

• 提取书签信息：pdftotext -bookmarks target.pdf bookmarks.txt
• 提取带位置的文本及链接：pdftotext -bbox-layout target.pdf -

内容的提问来源于stack exchange，提问作者Valori