【发布时间】：2010-09-30 15:36:54
【问题描述】：
我需要从服务器上的 PDF 文件中提取所有图像。我不想要 PDF 页面，只想要原始大小和分辨率的图像。
如何使用 Perl、PHP 或任何其他基于 UNIX 的应用程序（我会使用 PHP 的 exec 函数调用）来做到这一点？
【问题讨论】：
-
您如何知道每张图片在页面上的位置？据我所知，PDF 文件不会记录此信息。
【发布时间】：2010-09-30 15:36:54
【问题描述】：
pdfimages 很好，因为它不会重新编码，而只会提取 jpeg。但是有个bug：
pdfimages 来自包“poppler-utils”或来自更大的“xpdf-utils”。至少在 Ubuntu 中已经预装了“poppler-utils”。 poppler-utils 10.0.3 (Ubuntu 9.04 Jaunty) 中的 pdfimages 仍然没有对提取“.jpg”的选项“-j”做出反应。它总是提取“.ppm”。
作为一种解决方法，您可以将“poppler-utils”替换为“xpdf-utils”： $ sudo apt-get install xpdf-utils
致以诚挚的问候，
+++奥利弗
【讨论】：
-
在我的 ubuntu 服务器上，xpdf 和 poppler 都无法识别
-j开关
pdfimages 就是这样做的。它是 poppler-utils 和 xpdf-utils 软件包的一部分。
来自手册页：
Pdfimages 将可移植文档格式 (PDF) 文件中的图像保存为可移植像素图 (PPM)、可移植位图 (PBM) 或 JPEG 文件。
Pdfimages 读取 PDF 文件，扫描一页或多页 PDF 文件，并为每个图像写入一个 PPM、PBM 或 JPEG 文件 image-root-nnn.xxx，其中 nnn 是图像编号，xxx 是图像类型（.ppm、.pbm、.jpg）。
注意：pdfimages 从 PDF 文件中提取原始图像数据，而不执行任何额外的转换。由 PDF 内容流完成的任何旋转、剪切、颜色反转等都将被忽略。
【讨论】：
-
我认为安装 xpdf 时会安装该软件包。
-
这也是正确的，两个包都有pdfimages。
关于 Perl，你检查过CPAN吗？
- PDF::GetImages - 从 pdf 文档中获取图片
- PDF::OCR - 从 pdf 文件中获取 ocr 和图像
- PDF::OCR2 - 从 pdf 中提取所有文本和所有图像 ocr
【讨论】：