[C#] 用 iTextSharp 讀寫 pdf 檔中的 XMP (metadata) 資訊

由於工作上需要將 pdf 檔案依政府的要求, 將分類檢索的資訊加註於 XMP 中, 所以才會開始研究這部分.
不太懂分類檢索的人可以參考 此網頁 中的資訊.
開發工具與環境:

• iTextSharp: Java 最常用於操作 PDF 的套件是 iText, 此套件也有 .Net 版, 叫做 iTextSharp. ( 下載點)
  因為 iTextSharp 的功能跟 Java 版的 iText 大同小異, 所以文件的部分可參考 iText 的 document. (online版)
• Visual Studio 2008
• XMP: 請參考 Adobe 的 網頁說明.

1. 下載 iTextSharp 並解壓縮後, 會有一個 itextsharp.dll 檔, 記得在專案中將此 dll 加入參考.
   因為本文所用到的類別與函式並不多, 所以只需要 using 以下的命名空間:
   ?

   1 2 3 4 5 6

   using System; using System.IO; using System.Text; using System.Xml; using iTextSharp.text.pdf; using iTextSharp.text.xml.xmp;

2. 首先是讀取 pdf 中的 XMP 資訊:
   1. 使用 PdfReader 這個類別.
   2. 轉換後的字串可以利用 XmlDocument 做其他利用.
   3. 若要對 XmlDocument 做進一步的查詢, 可參考 此篇 做 XmlNamespaceManager 的初始設定.
   4. 需注意有可能無法取得 pdf 中的 XMP 資訊, 此時的 Metadata 會是 null.
   ?

   1 2 3 4 5 6 7 8 9

   PdfReader pdfSourceReader = new PdfReader(@"c:\source.pdf"); XmlDocument docSource = new XmlDocument(); if (pdfSourceReader.Metadata != null) {     //用UTF-8編碼, 以避免XML的亂碼     string strMetadata = Encoding.UTF8.GetString(pdfSourceReader.Metadata);     //載入至XmlDocument     docSource.LoadXml(strMetadata); }

3. 將 XMP 資訊寫入至 pdf 檔中:
   1. 使用 PdfStamper 這個類別, 做 pdf 檔的複製.
   2. 由於分類檢索主要是 Dublin Code 的資訊, 所以利用 iTextSharp 的 DublinCoreSchema 類別進行設定.
   3. 利用 XmpWriter 這個類別包裝新的 XMP 資訊.
   4. 若要對 XmlDocument 做進一步的查詢, 又不太知道 xmlns 的設定值為何, 可參考 此篇 做 XmlNamespaceManager 的初始設定.
      我在這部分寫了一個 GetNs() 函式來處理, 如下:
      ?

      1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

      public static XmlNamespaceManager GetNs(XmlDocument doc) {     XmlNamespaceManager mgr = new XmlNamespaceManager(doc.NameTable);     XmlNodeList lstNodes = doc.SelectNodes("//child::*");     foreach (XmlNode node in lstNodes)     {         foreach (XmlAttribute attr in node.Attributes)         {             if (attr.Prefix.Equals("xmlns"))             {                 if (!mgr.HasNamespace(attr.LocalName))                 {                     mgr.AddNamespace(attr.LocalName, attr.Value);                 }             }         }     }     return mgr; }

   5. 要從 XmlDocumentA 複製一個 XmlNode 到 XmlDocumentB, 可參考 此網頁 的說明.
   pdf 的 XMP 與複製的 Sample Code 如下:
   ?

   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58

   //建立一個設定分類檢索資訊的DublinCoreSchema物件 DublinCoreSchema dcSchema = new DublinCoreSchema(); dcSchema.SetProperty(DublinCoreSchema.TITLE, new LangAlt("RSS 詮釋資料基準範例")); dcSchema.SetProperty(DublinCoreSchema.CREATOR, new LangAlt("行政院研究發展考核委員會")); dcSchema.SetProperty(DublinCoreSchema.SUBJECT, new LangAlt("RSS 詮釋資料基準範例")); dcSchema.SetProperty(DublinCoreSchema.DESCRIPTION, new LangAlt("RSS 詮釋資料基準範例")); dcSchema.SetProperty(DublinCoreSchema.CONTRIBUTOR, new LangAlt("行政院研究發展考核委員會")); dcSchema.SetProperty(DublinCoreSchema.TYPE, new LangAlt("text/pdf")); dcSchema.SetProperty(DublinCoreSchema.FORMAT, new LangAlt("pdf")); dcSchema.SetProperty(DublinCoreSchema.SOURCE, new LangAlt("行政院研究發展考核委員會")); dcSchema.SetProperty(DublinCoreSchema.LANGUAGE, new LangAlt("中文")); dcSchema.SetProperty(DublinCoreSchema.COVERAGE, new LangAlt("2009-03-31~2015-12-20")); dcSchema.SetProperty(DublinCoreSchema.PUBLISHER, new LangAlt("行政院研究發展考核委員會")); dcSchema.SetProperty(DublinCoreSchema.DATE, new LangAlt("2009-03-31T15:49:18+08:00")); dcSchema.SetProperty(DublinCoreSchema.IDENTIFIER, new LangAlt("341000000A")); dcSchema.SetProperty(DublinCoreSchema.RIGHTS, new LangAlt("行政院研究發展考核委員會")); dcSchema.SetProperty("Category.Theme", new LangAlt("000")); dcSchema.SetProperty("Category.Cake", new LangAlt("000")); dcSchema.SetProperty("Category.Service", new LangAlt("I60")); //建立一個存放最後要輸出的XmlDocument物件 XmlDocument docTarget = new XmlDocument(); //利用MemoryStream做XmpWriter的輸出Stream using (MemoryStream ms = new MemoryStream()) {   XmpWriter xmpWriter = new XmpWriter(ms);   //將存放分類檢索資訊的DublinCoreSchema透過XmpWriter輸出到Stream   xmpWriter.AddRdfDescription(dcSchema);   //最後記得要呼叫Close(), 不然XMP的資訊會不完整   xmpWriter.Close();   //將XMP的資訊載入至欲輸出的XmlDocument   docTarget.LoadXml(Encoding.UTF8.GetString(ms.ToArray())); } //如果要把原始pdf中的XMP資訊也append到新的pdf檔中, 可參考以下的Code: //---------- Import Start ---------- //設定原始XMP中的NamespaceManager XmlNamespaceManager mgrSource = GetNs(docSource); //取得原始XMP的<rdf:RDF> XmlNode nodeSourceRdf = docSource.SelectSingleNode("//rdf:RDF", mgrSource); //設定新XMP中的NamespaceManager XmlNamespaceManager mgrTarget = GetNs(docTarget); //取得新XMP的<rdf:RDF> XmlNode nodeTargetRdf = docTarget.SelectSingleNode("//rdf:RDF", mgrTarget); //如果有原始的XMP資訊,開始進行<rdf:Description>的複製 if (nodeSourceRdf != null) {   foreach (XmlNode nodeDesc in nodeSourceRdf.ChildNodes)   {     nodeTargetRdf.AppendChild(nodeTargetRdf.OwnerDocument.ImportNode(nodeDesc, true));   } } //---------- Import End ---------- //設定要輸出的pdf.(第一個參數是讀取原始pdf檔的PdfReader物件) PdfStamper pdfStamper = new PdfStamper(pdfSourceReader,   new FileStream(@"c:\stamped.pdf", FileMode.OpenOrCreate, FileAccess.Write)); //將新的XMP資訊設定至欲輸出的pdf檔 pdfStamper.XmpMetadata = Encoding.UTF8.GetBytes(docTarget.OuterXml); //呼叫Close(), 以完成pdf檔的輸出(複製)程序 pdfStamper.Close();

由於各家實作出的 XMP 標準不一, 輸出也不太相同, 且有時會受限於 pdf 檔的權限或製作程式, 造成無法讀取或寫入 XMP 資訊.
因此建議程式開發過程中要多一點錯誤判斷 (ex: try…catch), 以避免程式出錯或當掉.
補充: 網路上還有一套可讀寫 XMP 的套件 (C# XMP Toolkit), 有興趣的也可以試試.