java - 提取嵌入在 pdf 中的图像的名称

Question

我有一个包含多张图像的 pdf 文档。

我想检索这些图像的名称。

如何使用 iText 或 pdfbox 实现此目的？

我知道ExtractImages可以从PDF中提取图像。我觉得这将在某个地方具有获取图像名称的功能。不过我不知道ExtractImages的用法。

获取 PDF 名称的实际问题是使用它来压缩这些图像以减小 pdf 的大小。我的方法正确吗？

Answer 1

使用 pdfbox 可以获得的是图像的键及其后缀(类型)。您还可以保存该图像。

    String prefix = new File(pdfFilename).getName();
    prefix = prefix.substring(0, prefix.indexOf(".pdf"));

    PDDocument document = null;

    try
    {
        document = PDDocument.loadNonSeq(new(pdfFilename), null); // use non-seq parser is better

        List<PDPage> pages = document.getDocumentCatalog().getAllPages();
        System.out.println(pdfFilename + ": Total pages: " + pages.size());
        int p = 0;
        for (PDPage page : pages)
        {
            ++p;
            PDResources resources = page.getResources();
            Map<String, PDXObjectImage> imageResources = resources.getImages();
            for (String key : imageResources.keySet())
            {
                PDXObjectImage objectImage = imageResources.get(key);
                System.out.printf("image key '%s': %d x %d, type %s%n", key, objectImage.getHeight(), objectImage.getWidth(), objectImage.getSuffix());

                // write that image
                String fname = String.format("%s-%04d-%s", prefix, p, key);
                objectImage.write2file(fname);
            }
        }
    }
    // put catch here
    document.close();

但是，除非您确定所有这些图像都直接转换为 PDF，即没有旋转、平移或缩放，否则这对您没有帮助。如果您需要这个，那么您可能需要查看 PDFBOX src 下载中的 PrintImageLocations.java 示例。