如何逐页获取具有整个文件内容的base64的PDF文件内容？答案

【问题标题】：How to get content of a PDF file page by page having base64 of the whole file content?如何逐页获取具有整个文件内容的base64的PDF文件内容？
【发布时间】：2015-03-09 02:59:48
【问题描述】：

我有一个 base64 格式的 PDF 文件内容，例如 JVBERi0xLjIgDSXi48/T...。

如何解析它以获取它的每一页的base64？

假设 PDF 文件有 5 页。如何在base64中获取每个页面的内容？我已经用谷歌搜索了它，但找不到任何东西。任何帮助表示赞赏。

【问题讨论】：

stackoverflow.com/questions/4784825/… 之后，只需对所有读取内容进行base64编码。
谢谢@RoundPotato。我不想为此使用任何库。你知道其他解决方案吗？

标签： java parsing pdf base64

【解决方案1】：

一般来说，甚至不可能逐页分离 native PDF 文件的内容（如您将看到的，当文件是 base64 编码时，不可能这样做）。

PDF 文件的最一般结构按以下顺序排列：

PDF 标题
PDF 对象（文件正文）
PDF 外部参照表（目录，为每个 PDF 对象提供文件偏移位置）
PDF 预告片

您不能假设 PDF 对象在文件中的出现顺序与页面在 PDF 查看器中出现的顺序相同。

如果您提取单个页面，该页面本身需要是一个有效的 PDF 文档：包含（按相同顺序）标题、对象、外部参照和预告片，其中外部参照和预告片需要重新构建以使其匹配新文档（不能简单地从原始文档复制外部参照和预告片）。

因此，您需要完全对 base64 编码文件进行解码，然后才能考虑访问生成的 PDF 的单个页面。

要从已使用 base64 编码的 5 页 PDF 文档中获取所有单独的 PDF 页面作为 base64，您必须执行以下步骤：

将完整的 base64 文件解码为有效的 5 页 PDF 文档。
将 5 页 PDF 文档拆分为 5 个单独的 1 页 PDF 文档。
^{（为此，您需要了解“PDF 游戏规则”，或使用 PDF知道的图书馆）}
使用 base64 对每个 1 页的 PDF 文档进行编码。

【讨论】：

【解决方案2】：

您可能想澄清您的答案。从你的措辞中看不出你是想用 base64 编码还是用它解码。

假设你想解码（因为你说你有 base64），有可用的标准库： Decode Base64 data in Java

【讨论】：

我有整个文件的 Base64。有没有办法在不解码的情况下逐页拆分？
@Sara 不，除非它有特殊的分隔符，用于分隔 base64 的每个页面块。
是的，这正是我想要的。应该有一些标准的分隔符来分隔每一页
@Sara 要么你应该知道它，要么自己添加一个不与 base64 字符集冲突的。您可以在此处查看标准设置：en.wikipedia.org/wiki/Base64
PDF 页面之间没有特殊的分隔符。因此，base64 编码的 PDF 也不会有这样的事情。请参阅我关于 PDF 文件结构的回答。