如何查询PDF中交互式表单字段对应的所属页面

根据PDF规范，AcroForm的字段字典中，P键的值即为该字段渲染所属的页面对象引用。如果当前字段未携带P键，该属性会从父字段（Parent键指向的字典）继承，可递归向上查询直到根节点。

具体实现步骤 #

• 提前构建页面对象与页码的映射表，减少后续查找开销
  首先遍历PDF所有页面，将页面对象字典与对应页码存储为映射：

// 构建页对象-页码映射表，CoreGraphics中PDF页码从1开始计数
NSMutableDictionary *pageDictToNumberMap = [NSMutableDictionary dictionary];
NSInteger totalPages = CGPDFDocumentGetNumberOfPages(pdfDocument);
for (NSInteger i = 1; i <= totalPages; i++) {
    CGPDFPageRef page = CGPDFDocumentGetPage(pdfDocument, i);
    CGPDFDictionaryRef pageDict = CGPDFPageGetDictionary(page);
    // 用字典指针值作为key存储对应页码
    pageDictToNumberMap[@((uintptr_t)pageDict)] = @(i);
}

• 新增辅助函数，递归查找字段对应的页面对象

// 辅助函数：递归查询字段所属页字典，可自行增加最大递归深度限制避免极端场景循环引用
CGPDFDictionaryRef getFieldPageDict(CGPDFDictionaryRef fieldDict) {
    CGPDFDictionaryRef pageDict = NULL;
    // 优先查询当前字段的P属性
    if (CGPDFDictionaryGetDictionary(fieldDict, "P", &pageDict)) {
        return pageDict;
    }
    // 无P属性则向上查询父字段
    CGPDFDictionaryRef parentDict = NULL;
    if (CGPDFDictionaryGetDictionary(fieldDict, "Parent", &parentDict)) {
        return getFieldPageDict(parentDict);
    }
    return NULL;
}

• 在原有表单遍历逻辑中获取对应页码，补全后的循环逻辑如下：

for (int j = 0; j < formFieldsCount; j++){
    CGPDFDictionaryRef formFieldDictionary;
    CGPDFArrayGetDictionary(formFieldsArray, j, &formFieldDictionary);
    
    // 获取字段所属页字典
    CGPDFDictionaryRef fieldPageDict = getFieldPageDict(formFieldDictionary);
    NSNumber *pageNumber = nil;
    if (fieldPageDict) {
        pageNumber = pageDictToNumberMap[@((uintptr_t)fieldPageDict)];
    } else {
        // 兜底逻辑：适配无P属性的老旧PDF，遍历每页注释匹配字段
        for (NSInteger i = 1; i <= totalPages; i++) {
            CGPDFPageRef page = CGPDFDocumentGetPage(pdfDocument, i);
            CGPDFDictionaryRef pageDict = CGPDFPageGetDictionary(page);
            CGPDFArrayRef annotsArray = NULL;
            if (!CGPDFDictionaryGetArray(pageDict, "Annots", &annotsArray)) continue;
            NSInteger annotCount = CGPDFArrayGetCount(annotsArray);
            for (NSInteger k = 0; k < annotCount; k++) {
                CGPDFDictionaryRef annotDict = NULL;
                if (CGPDFArrayGetDictionary(annotsArray, k, &annotDict)) {
                    // 表单字段属于Widget注释，可通过字段名、坐标、类型多重匹配确认
                    CGPDFStringRef fieldName = NULL, annotFieldName = NULL;
                    if (CGPDFDictionaryGetString(formFieldDictionary, "T", &fieldName) &&
                        CGPDFDictionaryGetString(annotDict, "T", &annotFieldName) &&
                        CFEqual((CFStringRef)fieldName, (CFStringRef)annotFieldName)) {
                        pageNumber = @(i);
                        break;
                    }
                }
            }
            if (pageNumber) break;
        }
    }
    // 此处pageNumber即为当前表单字段所属页码，可结合已获取的坐标、类型使用
}

注意事项 #

• 递归查询父字段时建议增加最大递归深度限制（设置为10层即可覆盖绝大多数PDF场景），避免极端异常PDF出现循环引用导致崩溃
• 兜底匹配逻辑可增加字段Rect坐标、FT类型的比对，提升匹配准确率

内容的提问来源于stack exchange，提问作者Christian Honey