PDF 链接提取器

链接有两种，多数工具只看得见一种

PDF 里的超链接是一个链接注释：页面上的一个矩形，附带一个动作。所有“提取链接”的工具读的都是它。但文档里还有一些网址和邮箱地址，只是被打进正文，从未变成注释——脚注里引用的 https://example.org/docs、签名块里的联系邮箱。对读者来说它们是链接；对只读 /Annots 的程序来说它们根本不存在。这个工具两种都报告，并且标明哪个是哪个。

它会报告什么

• 外部链接：http 与 https 目标。
• 内部链接：文档内部跳转。无论是显式目标数组还是名称树里的命名目标，都会解析成真实的页码。
• mailto 与 tel：去掉协议前缀显示，便于阅读地址或号码。
• 文件链接：打开文档之外内容的目标。
• JavaScript 动作：点击即执行代码的 javascript: URI。
• 未加链接的网址与邮箱：从正文中找出，单独标记；若已落在某个链接注释内则跳过。

每条记录都带页码、锚文本（由注释矩形内页面自身的词语还原，因为链接注释本身不存文字）以及目标。

风险标记

• javascript：点击会在阅读器中执行代码。
• mismatch：可见文字本身是指向某主机的网址，而实际的链接目标指向另一个主机。这是经典的钓鱼形态，而 PDF 阅读器只显示文字。点击之前值得看一眼。
• no-target：既无 URL 也无可解析目标的链接注释，在任何阅读器里都是死链。
• relative：没有协议的目标，会按照文件被打开的位置去解析。

不抓取任何地址

文档中的任何 URL 都不会被请求。这一点很重要：可疑的 PDF 可以在这里检查，既不碰对面的服务器，也不会泄露你打开过它。文件完全在你的浏览器里解析，什么都不上传。

导出

CSV —— 每条链接一行，含页码、类型、锚文本、目标、解析出的目标页与标记 —— 或者 JSON，包含同样的数据以及外接矩形，方便你在此基础上继续开发。