java pdfbox 提取pdf 标题_Java 使用PDFBox提取PDF文件中的图片

今天做PDF文件解析，遇到一个需求：提取文件中的图片并保存。使用的是流行的apache开源jar包pdfbox, 但还是遇到坑了，比如pdfbox版本太高或太低都不能用！！这个包竟然没有很好地做好兼容问题，有些方法在高版本说舍弃就舍弃了。暂时没有时间去研究版本间的区别。以下给我这个问题的解决方案。

pdfbox版本：1.8.13

maven传送门：

org.apache.pdfbox

pdfbox

1.8.13

代码：

package com.tbd.util;

import java.io.File;

import java.io.IOException;

import java.util.Iterator;

import java.util.List;

import java.util.Map;

import org.apache.pdfbox.pdmodel.PDDocument;

import org.apache.pdfbox.pdmodel.PDPage;

import org.apache.pdfbox.pdmodel.PDResources;

import org.apache.pdfbox.pdmodel.graphics.xobject.PDXObjectImage;

/**

* 提取PDF中的图片

* pdfbox 版本 1.8.13

* @author Charlie Wu

* 2018/05/24

*/

public class PDF2Image {

/**

* 提取

* @param filePDF文件

* @param targetFolder 图片存放目录

* @return

*/

public static boolean extractImages(File file, String targetFolder) {

boolean result = true;

try{

PDDocument document = PDDocument.load(file);

List pages = document.getDocumentCatalog().getAllPages();

Iterator iter = pages.iterator();

int count = 0;

while( iter.hasNext()){

PDPage page = (PDPage)iter.next();

PDResources resources = page.getResources();

Map images = resources.getImages();

if(images != null)

{

Iterator imageIter = images.keySet().iterator();

while(imageIter.hasNext())

{

count++;

String key = (String)imageIter.next();

PDXObjectImage image = (PDXObjectImage)images.get( key );

String name = file.getName() + "_" + count;// 图片文件名

image.write2file(targetFolder + name);// 保存图片

}

}

}

} catch(IOException ex){

ex.printStackTrace();

return false;

}

return result;

}

public static void main(String[] args) {

File file = new File("F:/test.pdf");

String targerFolder = "F:/target/";

extractImages(file, targerFolder);

}

}