Question

我想将PDF页面转换为图像文件。使用java将PDF页面转换为图像时，文本丢失。

转换后我要转换46_2.pdf的文件显示为46_2.png

代码：

import java.awt.image.BufferedImage;
import java.io.File;
import java.util.List;

import javax.imageio.ImageIO;

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;

public class ConvertPDFPageToImageWithoutText {
    public static void main(String[] args) {
        try {
            String oldPath = "C:/PDFCopy/46_2.pdf";
            File oldFile = new File(oldPath);
           if (oldFile.exists()) {

            PDDocument document = PDDocument.load(oldPath);
            List<PDPage> list = document.getDocumentCatalog().getAllPages();

            for (PDPage page : list) {
                BufferedImage image = page.convertToImage();
                File outputfile = new File("C:/PDFCopy/image.png");
                ImageIO.write(image, "png", outputfile);
                document.close();
            }

        }

    } catch (Exception e) {
        e.printStackTrace();
    }
}
}

Answer 1

由于您使用的是PDFBox，请尝试使用PDFImageWriter.writeToImage而不是PDPage.convertToImage。 This post似乎与您要做的事情相关。

Answer 2

我遇到了同样的问题。我发现了一篇文章（不幸的是记不住在哪里因为我读了数百篇文章）。有一位作者抱怨说，在将Java版本更新到7.21之后，PDFBox中出现了这样的问题。所以我使用的是7.17，它适用于我：）

Answer 3

使用最新版本的 PDFBox（我正在使用2.0.9），并从here添加 JAI Image I / O 依赖关系。这是 JAVA 7 上的示例运行代码。

    public void pdfToImageConvertorUsingPdfBox(String inputPdfPath) throws Exception {
    File sourceFile = new File(inputPdfPath);
    String formatName = "png";
    if (sourceFile.exists()) {
        PDDocument document = PDDocument.load(sourceFile);
        PDFRenderer pdfRenderer = new PDFRenderer(document);
        int count = document.getNumberOfPages();

        for (int i = 0; i < count; i++) {
            BufferedImage image = pdfRenderer.renderImageWithDPI(i, 200, ImageType.RGB);
            String output = FilenameUtils.removeExtension(inputPdfPath) + "_" + (i + 1) + "." + formatName;
            ImageIO.write(image, formatName, new File(output));
        }
        document.close();
    } else {
        logger.error(sourceFile.getName() + " File not exists");
    }
}

使用pdfbox将PDF文件转换为图像时缺少文本

3 个答案: