使用 Itext 从 pdf 检索图像时出错

Question

我有一个现有的PDF，我想从中检索图像

注意：

在文档中，这是 RESULT 变量

public static final String RESULT = "results/part4/chapter15/Img%s.%s";

我不明白为什么需要这张图片？我只想从我的PDF 文件中提取图片

所以现在当我使用MyImageRenderListener listener = new MyImageRenderListener(RESULT);

我收到错误消息：

results\part4\chapter15\Img16.jpg（系统 找不到指定的路径）

这是我的代码。

    package part4.chapter15;

    import java.io.IOException;


    import com.itextpdf.text.DocumentException;
    import com.itextpdf.text.pdf.PdfReader;
    import com.itextpdf.text.pdf.parser.PdfReaderContentParser;

    /**
     * Extracts images from a PDF file.
     */
    public class ExtractImages {

    /** The new document to which we've added a border rectangle. */
    public static final String RESOURCE = "resources/pdfs/samplefile.pdf";
    public static final String RESULT = "results/part4/chapter15/Img%s.%s";
    /**
     * Parses a PDF and extracts all the images.
     * @param src the source PDF
     * @param dest the resulting PDF
     */
    public void extractImages(String filename)
        throws IOException, DocumentException {
        PdfReader reader = new PdfReader(filename);
        PdfReaderContentParser parser = new PdfReaderContentParser(reader);
        MyImageRenderListener listener = new MyImageRenderListener(RESULT);
        for (int i = 1; i <= reader.getNumberOfPages(); i++) {
            parser.processContent(i, listener);
        }
        reader.close();
    }

    /**
     * Main method.
     * @param    args    no arguments needed
     * @throws DocumentException 
     * @throws IOException
     */
    public static void main(String[] args) throws IOException, DocumentException {
        new ExtractImages().extractImages(RESOURCE);
    }
}

Answer 1

你有两个问题，第一个问题的答案是第二个问题答案的关键。

问题 1：

你指的是：

public static final String RESULT = "results/part4/chapter15/Img%s.%s";

你问：为什么需要这张图片？

这个问题是错误的，因为Img%s.%s 不是图像的文件名，而是图像文件名的模式。解析时，iText 将检测 PDF 中的图像。这些图像存储在编号的对象中（例如对象 16），这些图像可以以不同的格式导出（例如 jpg、png、...）。

假设图像存储在对象 16 中，并且该图像是 jpg，则该模式将解析为 Img16.jpg。

问题 2：

为什么会报错：

results\part4\chapter15\Img16.jpg（系统找不到指定的路径）

在您的 PDF 中，对象 16 中存储了一个 jpg。您要求 iText 使用以下路径存储该图像：results\part4\chapter15\Img16.jpg（如我对 问题 1 的回答中所述）。但是：您的工作目录没有子目录results\part4\chapter15\，因此会抛出IOException（或FileNotFoundException？）。

一般问题是什么？

您复制/粘贴了我为“iText in Action - Second Edition”一书编写的 ExtractImages 示例，但是：

1. 你没有读过那本书，所以你不知道这段代码应该做什么。
2. 您并没有告诉 StackOverflow 上的读者此示例依赖于 MyImageRenderer 类，而这正是所有魔法发生的地方。

如何解决您的问题？

选项 1：

像这样更改RESULT：

public static final String RESULT = "Img%s.%s";

现在图像将存储在您的工作目录中。

选项 2：

改编MyImageRenderer类，更具体地说是这个方法：

public void renderImage(ImageRenderInfo renderInfo) {
    try {
        String filename;
        FileOutputStream os;
        PdfImageObject image = renderInfo.getImage();
        if (image == null) return;
        filename = String.format(path,
            renderInfo.getRef().getNumber(), image.getFileType());
        os = new FileOutputStream(filename);
        os.write(image.getImageAsBytes());
        os.flush();
        os.close();
    } catch (IOException e) {
        System.out.println(e.getMessage());
    }
}

每当遇到图像时，iText 都会调用此类。它将ImageRenderInfo 传递给此方法，其中包含有关该图像的大量信息。

在这个实现中，我们将图像字节存储为一个文件。这就是我们创建该文件路径的方式：

String.format(path,
     renderInfo.getRef().getNumber(), image.getFileType())

如您所见，RESULT 中存储的模式的使用方式是将第一次出现的 %s 替换为数字，第二次出现的替换为文件扩展名。

您可以轻松调整此方法，以便将图像作为byte[] 存储在List 中，如果这是您想要的。