Java使用 PDFBox 从 pdf 中提取图像

我们可以使用 PDFBox 从 PDF 中提取图像。

在本教程中，我们将学习使用 PDFBox 从 pdf 中提取图像并将图像保存到本地。

使用 PDFBox 从 PDF 中提取图像的步骤

以下是使用 PDFBox 从 pdf 中提取图像的分步过程。

1.扩展PDFStreamEngine

创建一个 Java 类并使用 PDFStreamEngine 对其进行扩展。

public class GetImageLocationsAndSize extends PDFStreamEngine

2.调用processPage()

对于 PDF 文档中的每一页，调用方法 processPage(page)。

for( PDPage page : document.getPages() ) {     pageNum++;     printer.processPage(page); }

3.重写processOperator()

对于 PDF 页面中的每个对象，processOperator 在 processPage() 中调用。我们将覆盖 processOperator()。

@Override protected void processOperator( Operator operator, List operands) throws IOException{     . . . }

4.检查图像

检查已发送到 processOperator() 的对象是否是图像对象。

if( xobject instanceof PDImageXObject){     . . . }

5. 保存图片到本地

如果对象是图像对象，则获取 BufferedImage 并将其保存到本地。使用 PDImageXObject.getImage() 我们得到一个 ARGB 类型的 BufferedImage。

BufferedImage bImage = image.getImage(); ImageIO.write(bImage,"PNG",new File("image_name.png"));

示例 1 – 使用 PDFBox 从 PDF 中提取图像

在此示例中，我们将获取一个 PDF，并使用 PDFBox processOperator() 方法从该 PDF 中提取所有图像。

SaveImagesInPdf.java

import org.apache.pdfbox.cos.COSBase; import org.apache.pdfbox.cos.COSName; import org.apache.pdfbox.pdmodel.PDDocument; import org.apache.pdfbox.pdmodel.PDPage; import org.apache.pdfbox.pdmodel.graphics.PDXObject; import org.apache.pdfbox.pdmodel.graphics.form.PDFormXObject; import org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject; import org.apache.pdfbox.contentstream.operator.Operator; import org.apache.pdfbox.contentstream.PDFStreamEngine;   import java.awt.image.BufferedImage; import java.io.File; import java.io.IOException; import java.util.List;   import javax.imageio.ImageIO;   /**  * This is an example on how to extract images from pdf.  */ public class SaveImagesInPdf extends PDFStreamEngine {     /**      * Default constructor.      *      * @throws IOException If there is an error loading text stripper properties.      */     public SaveImagesInPdf() throws IOException     {     }       public int imageNumber = 1;       /**      * @param args The command line arguments.      *      * @throws IOException If there is an error parsing the document.      */     public static void main( String[] args ) throws IOException     {         PDDocument document = null;         String fileName = "apache.pdf";         try         {             document = PDDocument.load( new File(fileName) );             SaveImagesInPdf printer = new SaveImagesInPdf();             int pageNum = 0;             for( PDPage page : document.getPages() )             {                 pageNum++;                 System.out.println( "Processing page: " + pageNum );                 printer.processPage(page);             }         }         finally         {             if( document != null )             {                 document.close();             }         }     }       /**      * @param operator The operation to perform.      * @param operands The list of arguments.      *      * @throws IOException If there is an error processing the operation.      */     @Override     protected void processOperator( Operator operator, List<COSBase> operands) throws IOException     {         String operation = operator.getName();         if( "Do".equals(operation) )         {             COSName objectName = (COSName) operands.get( 0 );             PDXObject xobject = getResources().getXObject( objectName );             if( xobject instanceof PDImageXObject)             {                 PDImageXObject image = (PDImageXObject)xobject;                   // same image to local                 BufferedImage bImage = image.getImage();                 ImageIO.write(bImage,"PNG",new File("image_"+imageNumber+".png"));                 System.out.println("Image saved.");                 imageNumber++;               }             else if(xobject instanceof PDFormXObject)             {                 PDFormXObject form = (PDFormXObject)xobject;                 showForm(form);             }         }         else         {             super.processOperator( operator, operands);         }     }   }

输出

Processing page: 1 Image saved. Image saved. Image saved. Processing page: 2 Image saved. Image saved. Processing page: 3 Processing page: 4

如果您想使用相同的 PDF 文件，请在此处下载apache.pdf pdf 文档。否则，您可以fileName在 Java 程序中指定 PDF 文件路径。

结论

在这个Apache PDFBox 教程中，我们学习了使用 PDFBox 从 pdf 中提取图像，并使用 PDFStreamEngine 类将 ARGB 类型的 BufferedImage 保存到本地。