使用pdfbox，可以提取文本，但不能提取图像

Question

我正在使用pdfbox从此pdf中提取图片和文字。我有以下代码用于提取文本：

 PDFTextStripper p = new PDFTextStripper();
 String thistext=p.getText(document);

正确提取文本。但是，当我尝试使用ExtractImages类从相同的pdf中提取图像时，生成的图像是pdf的所有页面，而不是实际图像。这是因为pdf可能是扫描副本吗？如果这是真的，为什么要提取文本？

Answer 1

我相信它被扫描的事实是你的问题。虽然我已经看到扫描的PDF检测文本（并使其可突出显示），但它仍然是一个图像。为了验证这个假设，我会尝试使用已知的好PDF，例如this one。