java - 使用 Itext 从 pdf 检索图像时出错

Question

我有一个现有的 PDF，我想从中检索图像

注意:

在文档中，这是RESULT变量

public static final String RESULT = "results/part4/chapter15/Img%s.%s";

我不明白为什么需要此图像？我只想从我的 PDF 文件中提取图像

所以现在当我使用 MyImageRenderListenerlistener = new MyImageRenderListener(RESULT);

我收到错误:

results\part4\chapter15\Img16.jpg (The system cannot find the path specified)

这是我拥有的代码。

    package part4.chapter15;

    import java.io.IOException;


    import com.itextpdf.text.DocumentException;
    import com.itextpdf.text.pdf.PdfReader;
    import com.itextpdf.text.pdf.parser.PdfReaderContentParser;

    /**
     * Extracts images from a PDF file.
     */
    public class ExtractImages {

    /** The new document to which we've added a border rectangle. */
    public static final String RESOURCE = "resources/pdfs/samplefile.pdf";
    public static final String RESULT = "results/part4/chapter15/Img%s.%s";
    /**
     * Parses a PDF and extracts all the images.
     * @param src the source PDF
     * @param dest the resulting PDF
     */
    public void extractImages(String filename)
        throws IOException, DocumentException {
        PdfReader reader = new PdfReader(filename);
        PdfReaderContentParser parser = new PdfReaderContentParser(reader);
        MyImageRenderListener listener = new MyImageRenderListener(RESULT);
        for (int i = 1; i <= reader.getNumberOfPages(); i++) {
            parser.processContent(i, listener);
        }
        reader.close();
    }

    /**
     * Main method.
     * @param    args    no arguments needed
     * @throws DocumentException 
     * @throws IOException
     */
    public static void main(String[] args) throws IOException, DocumentException {
        new ExtractImages().extractImages(RESOURCE);
    }
}

Answer 1

您有两个问题，第一个问题的答案是第二个问题答案的关键。

问题 1:

您引用的是:

public static final String RESULT = "results/part4/chapter15/Img%s.%s";

你会问:为什么需要这张图片？

这个问题是错误的，因为 Img%s.%s 不是图像的文件名，它是图像文件名的模式。解析时，iText 将检测 PDF 中的图像。这些图像存储在编号对象中(例如对象 16)，并且这些图像可以以不同格式导出(例如 jpg、png...)。

假设对象 16 中存储了一张图像，并且该图像是 jpg，则该模式将解析为 Img16.jpg。

问题2:

为什么我会收到错误:

results\part4\chapter15\Img16.jpg (The system cannot find the path specified)

在您的 PDF 中，对象 16 中存储了一个 jpg。您要求 iText 使用以下路径存储该图像:results\part4\chapter15\Img16.jpg (如我对问题 1)。但是:您的工作目录没有子目录 results\part4\chapter15\，因此会抛出 IOException (或 FileNotFoundException？) .

一般问题是什么？

您已复制/粘贴 ExtractImages我为我的书“iText in Action - 第二版”编写的示例，但是:

1. 您没有读过那本书，因此您不知道该代码的用途。
2. 您并没有告诉 StackOverflow 上的读者此示例依赖于 MyImageRenderer类，这是所有魔法发生的地方。

你如何解决你的问题？

选项 1:

像这样更改RESULT:

public static final String RESULT = "Img%s.%s";

现在图像将存储在您的工作目录中。

选项 2:

调整MyImageRenderer类，更具体地说是这个方法:

public void renderImage(ImageRenderInfo renderInfo) {
    try {
        String filename;
        FileOutputStream os;
        PdfImageObject image = renderInfo.getImage();
        if (image == null) return;
        filename = String.format(path,
            renderInfo.getRef().getNumber(), image.getFileType());
        os = new FileOutputStream(filename);
        os.write(image.getImageAsBytes());
        os.flush();
        os.close();
    } catch (IOException e) {
        System.out.println(e.getMessage());
    }
}

每当遇到图像时，iText 都会调用此类。它将 ImageRenderInfo 传递给此方法，其中包含有关该图像的大量信息。

在此实现中，我们将图像字节存储为文件。这就是我们创建该文件的路径的方式:

String.format(path,
     renderInfo.getRef().getNumber(), image.getFileType())

如您所见，存储在 RESULT 中的模式的使用方式是，第一次出现的 %s 被替换为数字，第二次出现的被替换为文件扩展名。

如果您想要的话，您可以轻松地调整此方法，以便将图像作为 byte[] 存储在 List 中。