使用 PHP 从 PDF 中提取图像答案

【问题标题】：extract images from PDF with PHP使用 PHP 从 PDF 中提取图像
【发布时间】：2013-12-22 13:30:04
【问题描述】：

问题是客户想要上传带有图像的 pdf，作为一次批量处理多个图像的一种方式。

我已经环顾四周，开箱即用 PHP 无法读取 PDF。

我有什么选择？

我已经知道主机没有安装imageMagick或任何pdf库并且exec功能被禁用。我猜这基本上让我无事可做？

有谁知道是否有在线服务可以做到这一点，并带有各种 api？

感谢广告

【问题讨论】：

我提到了api，它知道in/on topic吗？
恐怕你会很难让它工作，你提到的当前限制甚至有可能。也许您可以说服客户以 zip 文件或类似的方式上传图像？至少会让它更容易使用！
这从来都不是讨论的话题，但我现在可以提一下了。我将探讨 Bishop 给我的关于削减边界的建议。

标签： php image pdf

【解决方案1】：

AFAIK，没有 PHP 模块可以做到这一点。有一个命令行工具，pdfimages（xpdf 的一部分）。作为参考，下面是它的工作原理：

pdfimages -j source.pdf image

这将从source.pdf中提取所有图像为image-000.jpg、image-001.jpg等。注意输出格式始终为Jpeg。

可能的选择

作为命令行工具，您需要exec（或system、passthru，PHP 内置的任何命令执行函数）。由于您的环境没有，我看到了四个选项：

请求为您打开 exec（您的托管服务提供商可以将您可以执行的内容限制为单个命令）
更改设计——ZIP 上传怎么样？
自己滚动，以pdfimages的源代码为模型
让pdfimages 完成繁重的工作，在您可以控制的远程主机上运行它

关于#3，滚动你自己，我不认为滚动你自己来解决非常狭窄的需求定义，太难了。我似乎记得PDF中的图像边界定义明确：只需将文件读入边界，剪切到边界的末尾，base64_decode，然后写入文件——重复。但是，这可能太多了......

如果自己滚动太复杂，那么选项 #4 有点像 Joel Spolsky describes for working with complicated Excel objects（请参阅粗体标题“让 Office 为您完成繁重的工作”下的编号列表）。

找到一个便宜的托管环境（例如 Amazon EC2），让您拥有exec 和curl
安装pdfimages
编写一个 PHP 脚本，获取 PDF 的 URL，curl 打开该 PDF，将其写入磁盘，将其传递给 pdfimages，然后将 URL 返回到生成的图像。

示例交换可能如下所示：

GET http://www.cheaphost.com/pdfimages.php?extract=http://www.limitedhost.com/path/to/uploaded.pdf

Content-type: text/html


<html>
<body>
<ul>
<li>http://www.cheaphost.com/pdfimages.php?retrieve=ab9895v/image-000.jpg</li>
<li>http://www.cheaphost.com/pdfimages.php?retrieve=ab9895v/image-001.jpg</li>
</ul>
</body>
</html>

因此，您的单个 pdfimages.php 脚本（在具有exec 功能的主机上运行）既可以提取图像，又可以让您访问提取的图像。提取时，它会读取您告诉它的 PDF，在其上运行 pdfimages，并返回一个 URL 列表以调用以检索提取的图像。检索时，它只会为您返回一个直的图像。

您需要处理清理，也许要做的事情是在检索后删除图像。您还需要处理安全问题——不知道这些图像中的内容，但内容可能需要用 SSL 包装并采取其他预防措施。

【讨论】：

我不太清楚应该怎么用，不是PHP模块吗？
它不是一个 PHP 模块：它是一个命令行程序，所以你需要 exec。（我用我的原始答案阅读了那部分：从那以后进行了修改。）如果没有 exec，我认为您将需要模拟 pdfimages 在 PHP 中所做的事情——即，自己动手。
你在开玩笑吧，自己动手吧？我认为这并不简单。
如果您没有 exec，并且 AFAIK 没有 PHP 模块可以执行此操作，并且您无法更改设计...我认为除了手动之外别无他法。我编辑了我的原始答案，注意 PDF 中的图像边界非常清晰，因此找到它们并剪切它们应该不会太难。
我将不得不对此进行研究，但创建自己的 api 听起来也很有趣，但我从未这样做过。我得考虑一下。你会用什么格式寄回去？

【解决方案2】：

您可以使用 pdfimages 并以这种方式安装它：

apt install poppler-utils

然后用这种方式把所有的图片都获取为PNG文件：

pdfimages -j mypdf.pdf image -png

图像将被放置在 image-000.png、image-001.png 等下的同一文件夹中。

有许多选项可用，包括一些更改输出格式，更多信息here。

我希望这会有所帮助！

【讨论】：