Question

我有一段代码从PDF中收集图像并使用pdfBox将它们保存在一个文件夹中。图像没用，因为我对它们一无所知。 PDF包含章节标题，后跟1-3张图片。反正有没有改变程序，以便告诉我他们来自哪个部分？

以下是代码：

public static void main(String[] args) throws IOException {

        PDDocument document = null; 
        try {
            document = PDDocument.load("C:\\Users\\564864\\Downloads\\wsh2012.pdf");
        } catch (IOException ex) {
            System.out.println("" + ex);
        }
        List pages = document.getDocumentCatalog().getAllPages();
        Iterator iter = pages.iterator(); 
        int i =1;
        String name = null;

        while (iter.hasNext()) {
            PDPage page = (PDPage) iter.next();
            PDResources resources = page.getResources();
            Map pageImages = resources.getImages();
            if (pageImages != null) { 
                Iterator imageIter = pageImages.keySet().iterator();
                while (imageIter.hasNext()) {
                    String key = (String) imageIter.next();
                    PDXObjectImage image = (PDXObjectImage) pageImages.get(key);
                    image.write2file("C:\\Users\\564864\\Desktop\\Java\\helloworld\\images\\" + i+"");
                    i ++;
                }
            }
        }

    }

Answer 1

除非PDF包含其他元数据，否则PDF中没有任何部分。我在http://www.jpedal.org/PDFblog/2012/06/extracting-structured-text-from-pdf-files/

写了一篇关于结构化文本（同样适用于图像）的文章

组织从PDF中提取的图像

1 个答案: