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.

Processing page: 2

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。