linux - 如何从 Linux 命令行中提取 "read-protected"PDF 中的所有图像？

Question

我正在尝试从受读取保护的 PDF 中提取图像。

对于普通 PDF，Poppler library可以很好地提取图像，并且可以从 protected PDF 中提取文本。这些图像是一个不同的故事。它要么不提取所有图像，要么以模糊的灰色或黑色提取所有图像。

在下面的 PDF ( original PDF here ) 中，您可以在下面的缩略图中看到很多图像:

我尝试了 Poppler library 中的 pdfimages 命令:

$ pdfimages -j ticket.pdf i

和来自 mupdf 的 pdftohtml 命令:

$ pdftohtml -nodrm ticket.pdf

但是两个库都只提取了众多图像中的一个。虽然该图像已正确提取。我从其他 PDF 获得所有图像，但它们都是灰色或黑色。

由于阅读保护被认为只是 PDF 文档中的一个标志，而不是源的实际加扰或加密(最终您的计算机可以在不输入密码的情况下显示图像)所以应该可以以某种方式提取图像单独。我什至可以使用 ImageMagick 从整个 PDF 创建缩略图(convert ticket.pdf ticket.jpg)，那么为什么不是单独的图像呢？

有人知道如何从受阅读保护的 PDF 中提取所有图像吗？欢迎所有提示!

Answer 1

并不是所有看起来像图像的东西也是图像。

以左上角的红蓝黄绿logo为例，黑+白的“ticket-service”字样:是一系列的矢量图形(红蓝黄各一个)绿色补丁是一个单独的对象，文本也是如此)。

唯一的“真实”(光栅)图像是由以下命令列出的:

$ pdfimages -list ticket.pdf 

 page   num  type   width height color comp bpc  enc interp  object ID x-ppi y-ppi size ratio
 --------------------------------------------------------------------------------------------
    1     0 image     642   462  index   1   8  image  no        38  0   151   151  107K  37%
    2     1 image     642   462  index   1   8  image  no        38  0   151   151  107K  37%

这两个(列出的)图像都由相同的 PDF 对象表示，其编号/生成 38 0(因此它是只有 1嵌入在 PDF 中的图像)。

仅仅因为页面是彩色的并不意味着嵌入了很多图片!

此外，PDF 上没有“读取保护”(无论这对您意味着什么)，并且该 PDF 上也没有(用户或所有者)密码和伴随加密，如以下命令所示:

$ pdfinfo ticket.pdf

 Title:          TicketFast
 Author:         Ticketmaster
 Creator:        TCT 4.4.4
 Producer:       PDFlib+PDI 5.0.4 (C++/Linux)
 CreationDate:   Wed May  5 18:21:29 2010
 ModDate:        Thu Apr 30 16:02:21 2015
 Tagged:         no
 UserProperties: no
 Suspects:       no
 Form:           none
 JavaScript:     no
 Pages:          2
 Encrypted:      no
 Page size:      595.275 x 841.89 pts (A4)
 Page rot:       0
 File size:      364994 bytes
 Optimized:      no
 PDF version:    1.4

如果在 PDF 上设置了 WAS 密码/加密，它会用 Encrypted: yes 行报告。

---

关于PDF保护的一些评论

"[....] read-protection is supposedly only a flag in the PDF document [....]"

首先，没有“读保护”这样的东西。您可能指的是“密码保护”。

其次，如果 PDF 受密码保护，它也被加密。有两个密码:

1. 对文档的安全/密码/加密状态进行更改所需的所有者密码。
2. 打开和查看文档所需的用户密码。

但是，在某些情况下(很常见)用户密码为“空”。所有 PDF 阅读器都知道这一点，并且他们会首先尝试使用空的用户“密码”。如果有效，他们会解密并打开 PDF。用户密码为空的 PDF 仍可通过限制复制'n'粘贴、打印、修改等方式受到保护。要更改该状态，您需要知道所有者密码...