使用PDFBOX合并PDF UA文件标签嵌套如何实现扁平化？

是否为设计特性 #

该标签嵌套行为属于PDFMergeUtility的默认设计特性。工具默认会将每个被合并文档的独立标签树作为子节点，整体挂载到目标文档的标签树节点下，合并N份文档就会对应产生N层嵌套。该逻辑的初衷是保留每份源文档的标签结构完整性，避免不同文档的标签ID、属性出现冲突。

标签扁平化实现方案 #

你可以通过以下几种方式实现标签扁平化，避免多层嵌套：

• 关闭默认标签合并逻辑：调用mergeDocuments()前执行setMergeTags(false)，合并完成后手动重构标签树，将所有源文档的顶层标签直接挂载到合并后文档的根标签节点下
• 合并后批量处理标签树：按默认逻辑完成合并后，遍历整个标签结构树，逐层展开嵌套的文档级父标签，将内层的所有顶层标签平移到根标签的直接子节点层级，再删除多余的嵌套父节点
• 自定义标签合并策略：如果使用2.0及以上版本的PDFBox，可重写标签合并的相关处理逻辑，合并时直接将每份源文档标签根节点的子元素追加到目标文档的标签根节点下，跳过额外的父节点封装步骤

扁平化处理过程中需要同步更新标签的父节点引用、页面对应关系及辅助属性（如ID、语言、替代文本等），避免处理后出现标签指向错误，影响屏幕阅读器的识别效果。如果后续需要单独调取每份源文档，建议在扁平化标签时给对应文档的所有标签增加自定义标记属性，方便后续检索拆分。

内容的提问来源于stack exchange，提问作者ozeki