我已经尝试了大约一周的时间来自动从pdf中提取图像。不幸的是，我在这里找到的答案毫无帮助。我使用pypdf2看到了相同代码的多种变体，其中包含['/XObject']，结果为KeyError。
我正在寻找的东西似乎隐藏在溪流中，我无法在pypdf2的词典中找到它（即使在递归地探索整个结构之后，调用{{ 1}}在我能找到的每个间接对象上。）
使用.getObject()我已经在pdf上写了一页并使用pypdf2打开它，找到一些带有Notepad++过滤器的流。
/FlateDecode稍微有点帮助，允许我使用pdfrw来获取 A 流（不知道如何获取其他人）。
使用PdfReader(path).pages[page].Contents.stream，我将其解压缩，并从以下开始：
zlib（它还包含许多浮点数，包括正数和负数）
根据我的发现，/Part <</MCID 0 >>BDC
与ghostscript有关。
此时我放弃了，决定寻求帮助。
是否有一个python工具，至少提取所有流（并标识BDC标签？）
有没有办法让我找出隐藏在那里的东西？我期待一些图像格式的开始标记，这显然不是。如何进一步解析此结果以查找可能隐藏在其中的任何图像？
我正在寻找可以适用于任何正确显示的PDF的内容。一些工具可以进一步解析，或者至少帮助我理解流，或者甚至是一个可以帮助我理解正在发生的事情的参考。
编辑：正如帕特里克所说，似乎我正在咆哮着错误的树。我去了溪流，因为在FlateDecode中打开PDF时，或者在运行用于解析PDF的各种python脚本时，我找不到任何xObjects。我设法找到了我怀疑的图像，没有Notepad++标签，但看起来像是一个流标签 - 虽然信息没有被压缩。
答案 0 :(得分：1)
除非您要提取不常见的内嵌图像，否则内容流不是查找图像的地方。更常见的情况是XObject类型的Streams，子类型Image，它们通常位于页面的Resource-＆gt; XObject字典中（参见@mkl指示的PDF参考文档的7.3.3,7.8.3和8.95节）。
或者，Image XObjects也可以在Form XObjects（子类型Form，它表示它们有自己的内容流）中找到它们自己的Resource-＆gt; XObject字典，因此搜索Image XObjects可以是递归的。
Image XObject也可以有一个softMask，它本身就是它自己的Image XObject。表单XObjects也用于平铺模式，因此可以想象包含Image XObjects（但它们也不常见），或者在Annotation的Normal Appearance中使用（但是Image XObjects在这样的Annotations中不太常用，除了3D或者3D多媒体注释）。