Java-PDFbox：为带标签PDF中的线条和下划线添加ARTIFACT标签

你已经通过PDFGraphicsStreamEngine提取到所有路径对象后，按以下步骤操作即可解决PAC3的「路径对象未标记」报错：

前置分类规则 #

先对提取到的路径做分类，匹配对应的标记规则：

• 文本配套的下划线、删除线：属于布局类装饰Artifact，可关联对应文本标签的内容区间
• 页面分隔线、装饰性边框、背景线条：属于页级通用Artifact，无需关联结构树

核心操作步骤 #

1. 获取页面标记上下文
   定位当前页面的结构树根节点，统计页面现有MCID（标记内容ID）的最大序号，后续新增标记时避免ID重复冲突。

2. 包裹路径为Artifact标记块
   把需要标记的路径绘制指令，用Artifact标记块包裹，无需进入结构树的装饰性内容可直接使用如下格式（PDF内容流语法）：

   /Artifact <</Type /Artifact /Subtype /Layout>> BMC
   % 原路径绘制指令放在此处
   EMC
   

   若使用PDFBox开发，对应代码示例如下：

   // PDFBox 2.0+ 版本示例
   PDPage currentPage = 你当前处理的页面对象;
   // 以追加模式打开页面内容流
   PDPageContentStream contentStream = new PDPageContentStream(pdfDoc, currentPage, PDPageContentStream.AppendMode.APPEND, true, true);
   // 初始化Artifact标记属性
   PDArtifactMarkedContent artifactAttr = new PDArtifactMarkedContent();
   artifactAttr.setSubtype(COSName.LAYOUT);
   // 开始Artifact标记块
   contentStream.beginMarkedContent(COSName.ARTIFACT, artifactAttr);
   // 此处插入你的线条绘制逻辑，或迁移原有线条指令
   contentStream.moveTo(startX, startY);
   contentStream.lineTo(endX, endY);
   contentStream.stroke();
   // 结束Artifact标记块
   contentStream.endMarkedContent();
   contentStream.close();
   

3. 关联结构树（可选）
   若处理的下划线需要归属到对应文本的<Span>标签下，可在对应文本标签的子节点中添加/Artifact类型条目，关联分配的MCID即可。

4. 校验效果
   重新导出PDF后用PAC3校验，对应路径会被识别为非内容类Artifact，不再触发未标记报错。

参考截图 #

PDF页面	PAC3报错

内容的提问来源于stack exchange，提问作者Dilli