Extraer enlaces

Los PDF a menudo contienen elementos interactivos como enlaces web, enlaces de documento y acciones personalizadas. Usando PdfContentEditor, puedes extraer programáticamente todas las anotaciones de enlace de un PDF. Esto te permite inspeccionar o procesar los enlaces, por ejemplo, validar URL o analizar patrones de navegación en un documento.

1. Crea una instancia de PdfContentEditor.
2. Vincula el documento PDF de entrada.
3. Extraiga todos los enlaces usando ’extract_link()'.
4. Itere sobre los enlaces extraídos.
5. Compruebe si un enlace es una LinkAnnotation y si su acción es una GoToURIAction.
6. Imprima las coordenadas del rectángulo y el URI.
7. Muestre un mensaje si no se encuentran enlaces.

import aspose.pdf.facades as pdf_facades
from aspose.pycore import cast, is_assignable
import aspose.pydrawing as apd
import aspose.pdf as ap

import sys
from os import path

sys.path.append(path.join(path.dirname(__file__), ".."))

from config import set_license, initialize_data_dir


def extract_links(infile):
    # Create PdfContentEditor object
    content_editor = pdf_facades.PdfContentEditor()
    # Bind document to PdfContentEditor
    content_editor.bind_pdf(infile)
    # Extract links from the document
    links = content_editor.extract_link()

    count = 0
    for link in links:
        count += 1
        print(f"Link {count}: {link.rect}")
        if is_assignable(link, ap.annotations.LinkAnnotation):
            annotation = cast(ap.annotations.LinkAnnotation, link)
            if is_assignable(annotation.action, ap.annotations.GoToURIAction):
                action = cast(ap.annotations.GoToURIAction, annotation.action)
                print(f"  URI: {action.uri}")

    if count == 0:
        print("No links found")