廣告：

0x00 背景

HackingTeam泄漏事件影響頗大，415.77G的內容大多是郵件內容，分析起來比較麻煩，因而被大多數人忽略。網上有很多郵件分析的文章HT郵件分析,主要是針對郵件關聯進行分析，若對郵件內容進行分析則需提取郵件附件中的內容，再針對內容做進一步分析。本文背景其實與上文無關，只是借此提升逼格，下面將介紹如何利用acrobat SDK提取pdf文檔內容。

0x01 acrobat導入

只要安裝了Adobe Acrobat，就能在其安裝目錄下找到acrobat.tlb，其中包含了adobe公司提供的接口,可對pdf進行各種操作參考文檔，使用類向導將其導入。

提取文本內容需導入CAcroApp、CAcroAVDoc、CAcroAVPageView、CAcroPDPage、CAcroPDTextSelect、CAcroHiliteList。

0x02 提取文檔內容

首先需要”打開”pdf，核心代碼如下：

CAcroApp *pAcrpApp = new CAcroApp;

COleException e;

pAcrpApp->CreateDispatch("AcroExch.App",&e);

CAcroAVDoc *pAvdoc = new CAcroAVDoc;

pAvdoc->CreateDispatch("AcroExch.AVDoc",&e);

//打開pdf,其中PDFName為全路徑

if (!pAvdoc->Open(PDFName,NULL))

{

printf("open pdf failed");

...

return 0;

}

打開文檔后，通過pAvdoc可選擇頁數(默認為第一頁)，創建高亮板(CAcroHiliteList),將選擇頁數的內容加入高亮板，然后就可以從中提取出該頁的內容，核心代碼如下：

CAcroAVPageView pageView;

CAcroPDPage page;

CAcroPDTextSelect* textSelect = new CAcroPDTextSelect;

CAcroHiliteList* hilite = new CAcroHiliteList;

long selectionSize;

pageView.AttachDispatch(pAvdoc->GetAVPageView(),TRUE);

hilite->CreateDispatch("AcroExch.HiliteList");

if (hilite)

{

//設置為第一頁

pageView.GoTo(0);

/*

這里是設置高亮板的大小

由于沒有找到如何在設置高亮板前獲取該頁內容長度的方法，所以采用設置成極大的長度

如有朋友知道方法，歡迎提出相互學習

*/

hilite->Add(0,4000);

page.AttachDispatch(pageView.GetPage(), TRUE);

textSelect->AttachDispatch(page.CreateWordHilite(hilite->m_lpDispatch));

pAvdoc->SetTextSelection(textSelect->m_lpDispatch);

selectionSize = textSelect->GetNumText();

if (selectionSize && strText.GetLength() < 4000)

{

for(int i = 0;i < selectionSize;i ++)

{

strText += textSelect->GetText(i);

}

}

}

要完整提取出文檔中的全部內容，可通過CAcroPDDoc獲取pdf總頁數，然后利用pageView.GoTo循環每一頁，下面給出的完整工程將不包含此部分代碼。

廣告：