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。