java - 使用 pdfbox 计算 pdf 中的图像数量

Question

我需要从 pdf 中提取文本来验证某些内容并使用 java 计算 pdf 文档中图像的数量。我可以使用下面的 getText 函数毫无问题地获取文本内容，但无法找到仅计算图像对象的方法。我已经能够使用下面的代码来计算所有对象的数量，但找不到任何有关如何仅计算图像的文档。任何想法将不胜感激。谢谢

static String getText(File pdfFile) throws IOException {
    PDDocument doc = PDDocument.load(pdfFile);
    return new PDFTextStripper().getText(doc);
 }

static void countImages(File pdfFile) throws IOException{

   PDDocument doc = PDDocument.load(pdfFile);
   List myObjects = doc.getDocument().getObjects();
   System.out.println("Count: " + myObjects.size());
   doc.close();

 }

Answer 1

一个快速而肮脏的解决方案可能如下所示:

static void countImages(File pdfFile) throws IOException{
    PDDocument doc = PDDocument.load(pdfFile);
    PDResources res = doc.getDocumentCatalog().getPages().getResources();

    int numImg = 0;
    for (PDXObject xobject : res.getXObjects().values()) {
        if (xobject instanceof PDXObjectImage) {
            numImg++;
        }
    }
    System.out.println("Count: " + numImg);

    doc.close();
}