استخراج المرفقات من PDF

ما تجده هذه الأداة وتغفله الأدوات الأخرى

يمكن لملف PDF أن يحمل مرفقًا في ثلاثة مواضع مختلفة تمامًا، ومعظم الأدوات تنظر في الموضع الأول فقط.

1. شجرة الأسماء /Names /EmbeddedFiles. هي شجرة متوازنة وليست قائمة. فمتى تجاوز المستند بضعة مرفقات قسّمها المنتج إلى عُقد /Kids، وعندها تُبلّغ الأداة التي تقرأ المصفوفة الجذرية وحدها عن صفر ملفات في مستند يحتوي عدة مرفقات بوضوح.
2. تعليقات /FileAttachment. مشبك الورق الذي تراه على الصفحة. الملف معلّق على التعليق نفسه وكثيرًا ما لا يكون مسجَّلًا في شجرة الأسماء إطلاقًا.
3. الملفات المرتبطة /AF. أُضيفت في PDF 2.0، وهنا تكمن أهميتها العملية: فواتير ZUGFeRD وFactur-X وXRechnung وOrder-X الإلكترونية تحمل بيانات XML القابلة للقراءة آليًا بهذه الطريقة. فإذا رفض نظامك المحاسبي فاتورة، فهذه هي الحمولة التي يجب فحصها.

كثيرًا ما يكون التدفق نفسه قابلًا للوصول من مسارين، لذلك تُطابَق الملفات بمرجع الكائن وتُدمج مع إظهار كل مصدر.

ما يُعرض لكل ملف

الاسم والوصف ونوع MIME المُعلَن والحجم المُعلَن والحجم الفعلي وتاريخا الإنشاء والتعديل ومجموع MD5 إذا كتبه المنتج ودور /AFRelationship والصفحة التي يوجد عليها المرفق.

فحص النوع

النوع المُعلَن هو ما يزعمه ملف PDF. تقرأ هذه الأداة أيضًا البايتات الأولى من الملف وتخبرك بحقيقتها. مرفق باسم notes.txt يبدأ بـPK هو في الحقيقة أرشيف ZIP، ومرفق يبدأ بـMZ هو ملف تنفيذي على ويندوز. كلاهما يُعلَّم، ومن الأفضل معرفة ذلك قبل فتح أي شيء.

المعاينة والتنزيل

تُعرض ملفات النص وCSV وJSON وXML داخل الصفحة، وتُعرض صور PNG وJPEG وGIF وWebP وBMP كصور. أما البقية فمتاحة للتنزيل فقط. لا يُنفَّذ أي شيء ولا يُرسل أي شيء عبر الشبكة.

نزّل مرفقًا واحدًا أو جميع المرفقات دفعة واحدة في أرشيف ZIP.

الخصوصية

يُحلَّل ملف PDF داخل متصفحك بلغة JavaScript ولا يُرفع إلى أي خادم، فتبقى المستندات السرية ومرفقاتها على جهازك.