从pdf文件中提取矢量图像

Question

linux上是否有一个命令行工具可以从pdf文件中提取数据，并以矢量格式保存？我知道pdfimages，但这会创建一个位图，而这不是我需要的。

Answer 1

仅适用于 图片 ，因为您似乎需要，但

• 的 pdftocairo

http://poppler.freedesktop.org/

http://www.manpagez.com/man/1/pdftocairo/ （联署页面）

能够将pdf页面渲染为其他矢量格式，例如 PS / EPS / SVG

假设您有一个带矢量化图像的pdf页面，您可以将此页面渲染为svg，然后仅复制您感兴趣的图像

注意： pdftocairo 无法将多页pdf渲染为多页svg

如果您需要转换为svg几个pdf页面，首先需要选择此页面范围，然后将pdf页面分成单个pdf页面

示例（如果我们需要将pdf文件的1-10页转换为svg）

• 1°

pdftk file.pdf cat 1-10 output 1-10.pdf

• 2°

pdftk 1-10.pdf burst

• 3°

for f in *.pdf; do pdftocairo -svg $f; done

• 4°

最后，使用sodipodi或inkscape，您可以从svg渲染pdf页面中提取您感兴趣的图像

Answer 2

你认为什么是“人物”？这是PDF中不存在的概念。有这么多工具可以从PDF文件中提取图像的原因是因为图像是一个非常清晰的实体。

然而，你的“数字”的定义要少得多。 PDF文件可能包含许多您不会称之为数字的矢量内容。例如，文本可以被描边，这将使它成为矢量艺术，因此可能会与您的数字混淆。其他装饰元素可以在页面的背景中使用。文字可以加下划线，这是一个向量元素......

在另一个方向，你的“数字”可能包含一个文字标题，使事情更加复杂。

由于PDF没有图形的概念，您必须弄清楚如何在PDF页面上隔离一个（可能是因为创建者应用程序总是向其添加元数据，或者因为它们使用特殊颜色或...如果您可以隔离它们，应该可以修剪页面上不相关的所有内容，并使用其他答案中描述的一些技术将您需要的内容导出为EPS或SVG。

Answer 3

This article描述了gpdfx，inkscape和pdf2svg这些工具，这些工具不完全基于命令行，但仍然很有用。