lacoucou的专栏

代码:import PyPDF2import osdef check_uri(filepath,filename): print "[begin]-->%s"%filename doc = PyPDF2.PdfFileReader(open(filepath, "rb")) for p in range(0,doc.getNumPages()): page=doc.getPage(p) for i in range(0,len(pa

pdf中保存的文件有两种，1种直接是把原图片的数据复制进文档中，另外一种是经过压缩的图片，这种图片的提取并非只是简单的解压缩就能解决的。1.直接保存图片格式的例如上图中的例子，直接可以看到JFIF头，这种直接把 stream 和endstream中间的内容保存下来，去掉头尾的0xa 就可以看到图片了。2.压缩图片像这样的图片如果仅仅是解压缩：解压缩之后会是像下边这样的数据，这个数据保存之后是没办法看到图片的。原因：http://itext.2136553.n4..

参考:https://resources.infosecinstitute.com/topic/pdf-file-format-basic-structure/PDF是一种可移植的文档格式，可用于显示包含文本，图像，多媒体元素，网页链接等内容。PDF文件格式规范链接：https://opensource.adobe.com/dc-acrobat-sdk-docs/。官方链接中仅仅文件格式的文档就有800多页，因此通读该文档并不是意见容易的事。PDF不仅具有文本功能，还具有更多的功能：它可以包含.