如何建设网站公司,怎么更新网站内容,惠州seo外包公司,上海突发事件图片和PDF是我们日常生活和工作中经常接触到的文档格式。PDF是人们日常使用最多的跨平台文档#xff0c;是一种用独立于应用程序、硬件、操作系统的方式呈现文档的文件格式。每个PDF文件包含固定布局的平面文档的完整描述#xff0c;包括文本、字形、图形及其他需要显示的信息… 图片和PDF是我们日常生活和工作中经常接触到的文档格式。PDF是人们日常使用最多的跨平台文档是一种用独立于应用程序、硬件、操作系统的方式呈现文档的文件格式。每个PDF文件包含固定布局的平面文档的完整描述包括文本、字形、图形及其他需要显示的信息。然而从图片或PDF中提取出关键内容并不是一件简单的事情。 最近开发项目需要抽取PDF中的图片做了一些研究记录一下PDF中的图片分为两种一种是传统意义上的图片可以直接进行抽取另一种是各种图形的组合这种图片不能够直接进行抽取。
1、方法一可以直接从PDF中抽取的图片
1.1 Maven引入 dependencygroupIdcom.itextpdf/groupIdartifactIditextpdf/artifactIdversion5.5.9/versiontypejar/type
/dependency 1.2 代码
public static ListString extractImage(String pdfPath,Integer pdfPage,String picPath) {FileInputStream fis null;PDDocument document null;ListString imageUrls new ArrayList();try {File file new File( picPath);if (!file.exists()) {file.mkdirs();}// 打开pdf文件流fis new FileInputStream(pdfPath);// 加载 pdf 文档,获取PDDocument文档对象document PDDocument.load(fis);PDPage page document.getPage(pdfPage);PDResources resources page.getResources();IterableCOSName xObjectNames resources.getXObjectNames();int i 1;if (xObjectNames ! null){IteratorCOSName iterator xObjectNames.iterator();while (iterator.hasNext()){COSName key iterator.next();if (resources.isImageXObject(key)){PDImageXObject image (PDImageXObject) resources.getXObject(key);BufferedImage bImage image.getImage();String imageUrl picPath File.separator pdfPage - i . image.getSuffix();ImageIO.write(bImage, image.getSuffix(), new File(imageUrl));imageUrls.add(imageUrl);}i;}}fis.close();document.close();} catch (Exception e) {e.printStackTrace();System.out.println(有异常图片);}return imageUrls;}
2、方法二图形的组合截图
2.1 Maven引入 dependencygroupIdorg.apache.pdfbox/groupIdartifactIdpdfbox/artifactIdversion2.0.17/version
/dependency 2.2 代码 /*** 将PDF文档拆分成多张图片并返回所有图片的路径** param pdfPath* param pictureFolderPath* return* throws Exception*/public static ListString pdfSwitchToPicture(String pdfPath, String pictureFolderPath,Integer startPage,Integer endPage) {ListString picUrlList new ArrayList();File file new File(pictureFolderPath);if (!file.exists()) {file.mkdirs();}try {Listbyte[] imageList handlePdf(pdfPath,startPage,endPage);AtomicInteger pictureNameNumber new AtomicInteger(startPage);for (byte[] image : imageList) {ByteArrayOutputStream byteArrayOutputStream new ByteArrayOutputStream();byteArrayOutputStream.write(image);String pictureUrl file.getAbsolutePath() File.separator pictureNameNumber.getAndIncrement() .jpg;byteArrayOutputStream.writeTo(new FileOutputStream(pictureUrl));picUrlList.add(pictureUrl);byteArrayOutputStream.close();}} catch (Exception e) {throw new RuntimeException(e);}return picUrlList;}/*** 处理PDF文档** param pdfPath* return* throws Exception*/public static Listbyte[] handlePdf(String pdfPath,Integer startPage,Integer endPage) throws Exception {File pdfFile new File(pdfPath);//加载PDF文档PDDocument pdDocument PDDocument.load(pdfFile);//创建PDF渲染器PDFRenderer pdfRenderer new PDFRenderer(pdDocument);int pageNum endPage!null ? endPage : pdDocument.getNumberOfPages();Listbyte[] list new ArrayList();for (int i startPage-1; i pageNum; i) {ByteArrayOutputStream outputStream new ByteArrayOutputStream();//将PDF的每一页渲染成一张图片BufferedImage image pdfRenderer.renderImage(i);ImageIO.write(image, jpg, outputStream);list.add(outputStream.toByteArray());outputStream.close();}pdDocument.close();return list;}
