[gelöst] XML aus ZUGFeRD-PDF extrahieren

[kirchfritz]

Hallo,

hat jemand ein Beispiel Programm, wie man mit Lazarus/FreePascal-Bordmittel (Package: fcl_pdf) eine XML-Datei aus einer ZUGFeRD-PDF extrahieren kann.

Bitte keine Antworten der Form:
"Ich weiß ja nicht wie das mit fcl_pdf geht, aber ich nehme dazu den JAVA-Aufruf aus dem Mustang-Projekt."
"Ich weiß ja nicht wie das mit fcl_pdf geht, aber ich nehme dazu PDFIUM.dll."
"Ich weiß ja nicht wie das mit fcl_pdf geht, aber ich nehme dazu Ghostscript."
"Ich weiß ja nicht wie das mit fcl_pdf geht, aber ich nehme dazu PDFTK."

Ich möchte explizit wissen, wie das mit dem FCL_PDF Package geht.

Viele Grüße aus Nürnberg
Fritz

[Jorg3000]

Guten Abend!
Ich hätte zwei weitere Möglichkeiten, nach denen du nicht gefragt hast.
Denn mit fcl_pdf (fpPDF) geht es meines Wissens nicht, weil es nur ein Writer ist.

Das Erste ist ein nagelneuer Pascal-nativer PDF-Reader, der vorletzten Monat wahrscheinlich von einem Sprachmodell unter Token-Qualen geboren wurde ...
https://github.com/Xelitan/PDF-Viewer-e ... rus-Delphi
Darin gibt es eine Unit PdfParser.pas - vielleicht kann sie mit XML-Einbettungen umgehen. Zur genauen Verwendung befragt man wahrscheinlich am besten auch ein LLM.

Als Zweites gibt es ein altes Projekt "ZUGFeRD-for-Delphi", das wohl nun FreePascal-kompatibel ist.
https://github.com/LandrixSoftware/ZUGFeRD-for-Delphi
Es kann explizit kein PDF-Attachment extrahieren, aber schon auf der Startseite findet man ein Beispiel: "You can use the PDFtk Server tool to extract the xml attachment from a pdf file".
Also genau das was du nicht willst, aber ich wollte es trotzdem hier erwähnt haben, weil es ein getesteter Weg zu sein scheint.

Grüße, Jörg

[Soner]

PDF-Dateien sind kodierte Textdateien. Du kannst, sie öffnen, z.B. mit TStringList, dann die Kodierte XML extrahieren und dekodieren:

Factur-x in PDF

factur-x-in-pdf.png (37.35 KiB) 301 mal betrachtet

Es sollen meistens flat-kodierte ZIP-Daten sein, in diesem Beispiel sieht man es auch, siehe "FlatDecode". Man müsste mit ZLib von FreePascal dekodieren können.

[sh17]

Als Zweites gibt es ein altes Projekt "ZUGFeRD-for-Delphi", das wohl nun FreePascal-kompatibel ist.

Das ist nicht alt, das ist top aktuell. FreePascal ist aber noch in Planung. Ich mach mir mal Gedanken, ob PDF-Extraktion möglich ist.

FreePascal kann nur https://github.com/LandrixSoftware/XRechnung-for-Delphi

Falls ich eine Lösung finde, würde ich sie in beide Repos einbauen

[paweld]

Wenn Sie den FPC-Trunk/Main (3.3.1) verwenden, verfügt dieser über den fppdfparser, der das Einlesen von PDF-Dateien ermöglichen sollte – soweit ich weiß, generiert er zwar keine Vorschau, kann aber Text und in der PDF-Datei eingebettete Objekte extrahieren: https://gitlab.com/freepascal.org/fpc/s ... type=heads

[sh17]

fppdfparser kann meines Wissens keine Anhänge auslesen.

ich hab da mal was kleines gebaut, funktioniert mit Delphi und FreePascal

https://github.com/LandrixSoftware/XRec ... xtract.pas

[kirchfritz]

Wenn Sie den FPC-Trunk/Main (3.3.1) verwenden, verfügt dieser über den fppdfparser, der das Einlesen von PDF-Dateien ermöglichen sollte – soweit ich weiß, generiert er zwar keine Vorschau, kann aber Text und in der PDF-Datei eingebettete Objekte extrahieren: https://gitlab.com/freepascal.org/fpc/s ... type=heads

Ja genau, soweit war ich auch schon gekommen. fppdfparser kann PDF-Dateien lesen und parsen.
Allein mir fehlt ein Beispiel, wie ich mit fppdfparser die PDF-Attachments herauslesen kann.
Leichtverständlich ist das Ganze auch nicht gerade.
Deshalb meine Frage, wer hat das eventuell schon mal hingekriegt?

Viele Grüße aus Nürnberg
Fritz

[sh17]

fppdfparser kann keine Anhänge auslesen.

[kirchfritz]

im Package fcl-pdf gibt es ein "examples"-Verzeichnis. Darin findet man den Quellcode für das Konsolenprogramm pdfdump

Code: Alles auswählen

procedure TPDFDumpApplication.Usage(Msg: String);
begin
  Writeln('Usage ',ExtractFileName(ParamStr(0)),' [options] FILE1 FILE2 ...');
  Writeln('Where options is one or more of:');
  Writeln('-h --help                This help text');
  Writeln('-c --pagecontent         Show page content stream (commands). Needs -p');
  Writeln('-d --dictionaries        Show object dictionaries. Needs -o');
  Writeln('-f --fonts               Show font info');
  Writeln('-i --info                Show document info');
  Writeln('-l --catalog             Show document catalog');
  Writeln('-n --pageno=N            Show only page N');
  Writeln('-o --objects             Show indirect objects');
  Writeln('-p --pages               Show pages');
  Writeln('-t --text                Show page text. Needs -p');
  Writeln('-v --verbose             Show warnings/extra info when parsing');
  Halt(Ord(Msg<>''));
end;

Sieht für mich so aus, als könnte man alles Mögliche aus einem PDF herauslesen. Zum Beispiel: fonts, dictionaries, pagecontent, catalog. Von Attachments ist jedenfalls nichts zu lesen. So gesehen hat mein Vorredner recht damit, dass fppdfparser keine Attachments extrahieren kann. Könnte es nicht trotzdem nur ein kleiner Schritt sein, hin zu Attachments?

[fliegermichl]

im Package fcl-pdf gibt es ein "examples"-Verzeichnis. Darin findet man den Quellcode für das Konsolenprogramm pdfdump
...

Ich schätze, du meinst das Beispiel aus dem Verzeichnis utils. Das ist aber ein ttfdump.lpr.

[af0815]

im Package fcl-pdf gibt es ein "examples"-Verzeichnis. Darin findet man den Quellcode für das Konsolenprogramm pdfdump
...

Ich schätze, du meinst das Beispiel aus dem Verzeichnis utils. Das ist aber ein ttfdump.lpr.

Im Verzeichnis fcl-pdf/examples gibt es ein pdfdump.lpi (und pdfdump.pp)

[sh17]

Ganz so klein ist der Schritt nicht, schau gern mal in die von mir verlinkte Unit, da gibt es mehrere Varianten, wie eine pdf aufgebaut/verschlüsselt ist.
Ich hab die Unit gegen etwa 300 verschiedene E-Rechnungen laufen lassen, alle Anhänge wurden extrahiert. Also wenn was fehlt, gern Bescheid geben.

[kirchfritz]

Ganz so klein ist der Schritt nicht, schau gern mal in die von mir verlinkte Unit, da gibt es mehrere Varianten, wie eine pdf aufgebaut/verschlüsselt ist.
Ich hab die Unit gegen etwa 300 verschiedene E-Rechnungen laufen lassen, alle Anhänge wurden extrahiert. Also wenn was fehlt, gern Bescheid geben.

OK, Du hast mich überzeugt, dass ich Deine Routine verwenden sollte.
Ich habs mit folgendem Code probiert:

Code: Alles auswählen

procedure TForm1.ExtractWithLandrix;
var
  out_xml : TBytes;
  out_info : TXRechnungPdfExtractInfo;
  attachment_name : UnicodeString;
begin
  try
    SynEdit1.Lines.Clear;
    Invalidate;
    Application.ProcessMessages;
    if TXRechnungPdfExtractor.ExtractInvoiceFromFile(FilenameEdit1.Text,out_xml ,attachment_name,out_info) then
      begin
        ShowMessage('Extrahierung erfolgreich');
        SynEdit1.Lines.LoadFromFile(attachment_name);
      end
      else
        ShowMessage('Fehler:'#13#10);
  finally
  end;
end;     

Funktioniert leider nicht, weil ich nicht weiß wie ich out_xml TBytes in eine XML-Datei reinbekomme.

[kirchfritz]

Jetzt funktionierts wunderbar:

Code: Alles auswählen

uses
  intf.XRechnungPdfExtract; 
  
procedure TForm1.ExtractInvoiceWithLandrix(aPDFFile : String);
var
  out_xml : TBytes;
  out_info : TXRechnungPdfExtractInfo;
  attachment_name : UnicodeString;

  procedure SaveBytesToFile(const FileName: string; const Data: TBytes);
  var
    FS: TFileStream;
  begin
    FS := TFileStream.Create(FileName, fmCreate);
    try
      if Length(Data) > 0 then
          FS.WriteBuffer(Data[0], Length(Data));
    finally
      FS.Free;
    end;
  end;

begin
  try
    SynEdit1.Lines.Clear;
    Invalidate;
    Application.ProcessMessages;
    if TXRechnungPdfExtractor.ExtractInvoiceFromFile(aPDFFile,
                                                     out_xml ,
                                                     attachment_name,
                                                     out_info) then
      begin
        SaveBytesToFile(attachment_name, out_xml);
        SynEdit1.Lines.LoadFromFile(attachment_name);
      end
      else
        ShowMessage('Fehler:'#13#10);
  finally
  end;
end;