PDF 表单数据提取器

把答案从填好的 PDF 表单里取出来

一份回收的表单，就是被困在文档里的数据。PDF 表单数据提取器读取一份表单——或三十份——中的值，并输出 JSON、CSV、FDF 或 XFDF，全部在你的浏览器中完成。

类型正确的值

• 文本字段输出为字符串，多行文本同样如此。
• 复选框同时输出布尔值和它真正提交的导出值。该值来自控件的 /AP /N 键：常见的是 1、On 或某个产品编码，因此想当然地按 Yes 处理会悄悄产生错误数据。
• 单选按钮输出所选的导出值，而不是圆点旁印着的标签。
• 下拉列表给出所选项；列表框给出数组。
• 签名字段报告已签名或未签名，若签名字典中带有签名者姓名也会一并给出。

批量模式才是重点

把一份申请表所有回收副本一起放进来，工具会构建一张宽表：每份文档一行，每个字段名一列，表头是所有字段名的并集。导出为 CSV 后用表格软件打开即可。多出或缺少可选章节的表单依然能对齐——缺少某字段的文档只是把该单元格留空。

XFA 表单

有些 PDF——尤其是 LiveCycle 时代的政府与银行表单——把答案保存在 XFA 的 XML 数据集中，而不是 AcroForm 的字段值里。静态 XFA 会两边同步；动态 XFA 不会，于是大多数提取工具什么都取不到。本工具同样读取 datasets 包，将其与 AcroForm 值合并，并为每个答案标注来源，还会指出两个来源互相矛盾的情况。

FDF 与 XFDF

两者都是表单数据的标准交换格式，这里也都按规范书写：字段通过 /Kids 嵌套，使导入时能落到正确的嵌套字段；非拉丁文本采用 UTF-16BE；多选值写成重复的 <value> 元素。把任意一种导入 Acrobat 中的空白表单副本，答案就会重新出现。

隐私

每份文档都由 pdf-lib 在你的浏览器中解析。填好的表单通常包含个人信息；这里不会上传任何内容，所有导出文件都在本地生成。