我有一个多页 PDF 文件,其中包含我需要解析的信息。信息和图片仅限于其自己的页面。我需要从 PDF 中提取文本和图像。
我正在使用 CentOS 和 PHP。
我的尝试:
我最初尝试结合使用 pdftotext 和 imagemagick。我将 PDF 转换为图像,实际上将页面分成了自己的图像。不幸的是,页面上的图像质量很差。
我的目标:
我需要将 PDF 拆分为多个 PDF,每页一个。然后,我需要从该页面中提取尽可能最佳质量的图像。
谢谢。
最佳答案
imagemagick 不适合执行此任务
当您需要从 pdf 中提取图像时,以它们的原始 大小(即最好的,因为任何其他分辨率都小于或大于原始分辨率),您必须使用
pdfimages
http://www.foolabs.com/xpdf/download.html
(如果您不能从源代码编译,可以使用静态二进制文件)
语法:
pdfimages file.pdf image-root
生成的图像将具有扩展名 .ppm ,除非您添加开关 -j 以将 jpeg 图像作为输出
关于php - 将多页 PDF 转换为单页 PDF 并提取图像,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7867092/