使用 PDFBox 将 PDF 文件转换为图像答案

【问题标题】：Convert PDF files to images with PDFBox使用 PDFBox 将 PDF 文件转换为图像
【发布时间】：2014-06-13 03:24:34
【问题描述】：

谁能给我一个示例，说明如何使用 Apache PDFBox 将 PDF 文件转换为不同图像（PDF 的每一页一个）？

【问题讨论】：

只能在一张图片中吗？

标签： pdfbox

【解决方案1】：

1.8.* 版本的解决方案：

PDDocument document = PDDocument.loadNonSeq(new File(pdfFilename), null);
List<PDPage> pdPages = document.getDocumentCatalog().getAllPages();
int page = 0;
for (PDPage pdPage : pdPages)
{ 
    ++page;
    BufferedImage bim = pdPage.convertToImage(BufferedImage.TYPE_INT_RGB, 300);
    ImageIOUtil.writeImage(bim, pdfFilename + "-" + page + ".png", 300);
}
document.close();

在构建之前不要忘记阅读1.8 dependencies page。

2.0版本的解决方案：

PDDocument document = PDDocument.load(new File(pdfFilename));
PDFRenderer pdfRenderer = new PDFRenderer(document);
for (int page = 0; page < document.getNumberOfPages(); ++page)
{ 
    BufferedImage bim = pdfRenderer.renderImageWithDPI(page, 300, ImageType.RGB);

    // suffix in filename will be used as the file format
    ImageIOUtil.writeImage(bim, pdfFilename + "-" + (page+1) + ".png", 300);
}
document.close();

ImageIOUtil 类位于单独的下载/工件（pdf 工具）中。在进行构建之前阅读2.0 dependencies page，您需要额外的 jar 文件来保存带有 jbig2 图像的 PDF，用于保存到 tiff 图像以及读取加密文件。

确保使用您正在使用的任何 JDK 版本的最新版本，即如果您使用的是 jdk8，则不要使用 1.8.0_5 版本，使用 1.8.0_191 或您当时的最新版本读。早期版本非常慢。

【讨论】：

对于本问答的未来读者，您可能还想发布 2.x 的解决方案（除非这方面的 API 更改尚未稳定，也就是说）。
请注意，为了在 2.0 中使用 ImageIOUtil，您需要添加对 pdfbox-tools 的依赖项。
很好的例子！谢谢。不过有两点说明： * 在 2.0 版本中，第五行中缺少 BufferedImage bim = * 请注意，“300”是缩放级别，而不是（如我所假设的）dpi 值或其他值。在我遇到大量 OutOfMemory 异常之前，我才想到要检查 API！
@Aeseir 你需要 pdfbox-tools。加上 levigo jbig2 解码器和 jai_imageio.jar。
感谢 bud，发现他们将工具迁移到了不同的 jar。

【解决方案2】：

我今天用 PdfBox 2.0.15 试了一下。

import org.apache.pdfbox.pdmodel.*;
import org.apache.pdfbox.rendering.*;
import java.awt.image.*;
import java.io.*;
import javax.imageio.*;


public static void PDFtoJPG (String in, String out) throws Exception
{
    PDDocument pd = PDDocument.load (new File (in));
    PDFRenderer pr = new PDFRenderer (pd);
    BufferedImage bi = pr.renderImageWithDPI (0, 300);
    ImageIO.write (bi, "JPEG", new File (out)); 
}

【讨论】：

就像一个魅力，只是一件事。如果 pdf 文档有多个页面，请使用： pd.getNumberOfPages() 为每一页执行循环。
这给了我java堆空间是什么原因？
@GhostDede 你玩过 DPI 值吗？也许降低可以解决您的问题。
是的，降低 DPI 值可以解决我的问题，但我需要 500 DPI

【解决方案3】：

public class PDFtoJPGConverter {

    public List<File> convertPdfToImage(File file, String destination) throws Exception {

    File destinationFile = new File(destination);

    if (!destinationFile.exists()) {
        destinationFile.mkdir();
        System.out.println("DESTINATION FOLDER CREATED -> " + destinationFile.getAbsolutePath());
    }else if(destinationFile.exists()){
        System.out.println("DESTINATION FOLDER ALLREADY CREATED!!!");
    }else{
        System.out.println("DESTINATION FOLDER NOT CREATED!!!");
    }

    if (file.exists()) {
        PDDocument doc = PDDocument.load(file);
        PDFRenderer renderer = new PDFRenderer(doc);
        List<File> fileList = new ArrayList<File>();

        String fileName = file.getName().replace(".pdf", "");
        System.out.println("CONVERTER START.....");

        for (int i = 0; i < doc.getNumberOfPages(); i++) {
        // default image files path: original file path
        // if necessary, file.getParent() + "/" => another path
        File fileTemp = new File(destination + fileName + "_" + i + ".jpg"); // jpg or png
        BufferedImage image = renderer.renderImageWithDPI(i, 200);
        // 200 is sample dots per inch.
        // if necessary, change 200 into another integer.
        ImageIO.write(image, "JPEG", fileTemp); // JPEG or PNG
        fileList.add(fileTemp);
        }
        doc.close();
        System.out.println("CONVERTER STOPTED.....");
        System.out.println("IMAGE SAVED AT -> " + destinationFile.getAbsolutePath());
        return fileList;
    } else {
        System.err.println(file.getName() + " FILE DOES NOT EXIST");
    }
    return null;
    }

    public static void main(String[] args) {

    try {
        PDFtoJPGConverter converter = new PDFtoJPGConverter();
        Scanner sc = new Scanner(System.in);
        System.out.print("Enter your destination folder where save image \n");
        // Destination = D:/PPL/;
        String destination = sc.nextLine();

        System.out.print("Enter your selected pdf files name with source folder \n");
        String sourcePathWithFileName = sc.nextLine();
        // Source Path = D:/PDF/ant.pdf,D:/PDF/abc.pdf,D:/PDF/xyz.pdf
        if (sourcePathWithFileName != null || sourcePathWithFileName != "") {
        String[] files = sourcePathWithFileName.split(",");
        for (String file : files) {
            File pdf = new File(file);
            System.out.print("FILE:>> "+ pdf);
            converter.convertPdfToImage(pdf, destination);
        }
        }

    } catch (Exception ex) {
        ex.printStackTrace();
    }
    }
}

======================================

我在这里使用 Apache pdfbox-2.0.8 、 commons-logging-1.2 和 fontbox-2.0.8 库

编码愉快 :)

【讨论】：

【解决方案4】：

没有任何额外的依赖项，您可以使用 PDFToImage 已经包含在 PDFBox 中的类。

科特林：

PDFToImage.main(arrayOf<String>("-outputPrefix", "newImgFilenamePrefix", existingPdfFilename))

其他配置选项：https://pdfbox.apache.org/docs/2.0.8/javadocs/org/apache/pdfbox/tools/PDFToImage.html

【讨论】：

会有依赖。当您拥有具有受限权限的 PDF 或具有 JPEG 2000 图像或 JBIG2 图像的 PDF 时，您会看到它。
在那种的情况下“会有依赖关系”。对于我的用例，我们正在将我们创建的 pdf 转换为 img，因此不存在受限权利或那些不同的 img 类型的问题。
此类图像在 PDF 中。示例：issues.apache.org/jira/secure/attachment/12865265/jbig2.pdf 只有事先知道您的输入 PDF 中没有这些类型的图像，您才是安全的。

【解决方案5】：

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.rendering.PDFRenderer;

import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;
import java.nio.file.Path;

public class Pdf2Image {

    public String convertPdf2Img(String fileInput, Path path) {
        String destDir = "";
        try {
            String destinationDir = path.toString();
            File sourceFile = new File(fileInput);
            File destinationFile = new File(destinationDir);

            if (!destinationFile.exists()) {
                destinationFile.mkdir();
                System.out.println("Folder Created -> " + destinationFile.getAbsolutePath());
            }

            if (sourceFile.exists()) {
                PDDocument document = PDDocument.load(sourceFile);
                PDFRenderer pdfRenderer = new PDFRenderer(document);

                String fileName = sourceFile.getName().replace(".pdf", "");

                // int pageNumber = 0;

                // for (PDPage page : document.getPages()) {
                for (int pageNumber = 0; pageNumber < document.getNumberOfPages(); ++pageNumber) {
                    BufferedImage bim = pdfRenderer.renderImage(pageNumber);

                    destDir = destinationDir + File.separator + fileName + "_" + pageNumber + ".png";

                    ImageIO.write(bim, "png", new File(destDir));
                }

                document.close();

                System.out.println("Image saved at -> " + destinationFile.getAbsolutePath());
            } else {
                System.err.println(sourceFile.getName() + " File does not exist");
            }
        } catch (Exception e) {
            e.printStackTrace();
        }

        return destDir;
    }

}

【讨论】：

与其他所有解决方案相比，您的解决方案有什么优势？

【解决方案6】：

这是我将 pdf 从多部分文件转换为 jpg 缩略图的代码的一部分。我将图像保存为 base64 字符串。使用的是pdfbox 2.0.21版本。

private static String generatePdfThumbnail(byte[] imageInBytesArray) throws IOException {
    PDDocument document = PDDocument.load(imageInBytesArray);
    PDFRenderer renderer = new PDFRenderer(document);
    BufferedImage bufferedImage = renderer.renderImage(0);
    Graphics2D bufImageGraphics = bufferedImage.createGraphics();
    bufImageGraphics.drawImage(bufferedImage, 0, 0, null);

    ByteArrayOutputStream baos = new ByteArrayOutputStream();
    boolean foundWriter = ImageIO.write(bufferedImage, "jpg", baos);
    byte[] fileContent = null;
    if (!foundWriter) {
      return "";
    }

    fileContent = baos.toByteArray();
    return Base64.getEncoder().encodeToString(fileContent);
  }

【讨论】：