使用 PDFBox v2 从 PDF 中提取 TIFF答案

【问题标题】：Extract TIFF from PDF with PDFBox v2使用 PDFBox v2 从 PDF 中提取 TIFF
【发布时间】：2016-06-09 22:39:34
【问题描述】：

可以使用 PDFBox v1.x 提取包括 TIFF 格式的图像。仍然可以使用 2.0.1 版本提取某些格式，但它似乎不适用于 TIFF 格式。

for (COSName c : page.getResources().getXObjectNames()) {
    PDXObject o = resources.getXObject(c);
    if (o instanceof PDImageXObject) {
        PDImageXObject image = (PDImageXObject) o;
        try (ByteArrayOutputStream bout = new ByteArrayOutputStream()) {
            ImageIO.write(image.getImage(), image.getSuffix(), bout);
            System.out.println("Image Bytes: " + bout.size());
        }
    }
}

上面代码中的 ByteArrayOutputStream 有 PNG 和 JPEG 的字节，但没有 TIFF 的字节。有什么建议吗？

谢谢。

【问题讨论】：

我首先想到的问题是：ImageIO 是否支持 TIFF？尝试将 image.getSuffix() 替换为“png”，以便尝试将其保存为 png。如果它确实有效，那么您的 ImageIO 只是不支持写入 TIFF 文件。
“但它似乎不起作用”不是很具体。当图像在 pdf 文件中以 ccitt 格式编码时，image.getSuffix() 返回“tiff”。您没有链接到特定的 PDF 文件。只有当 jai_imageio.jar 在您的类路径中时，ImageIO.write() 才能正常工作。 1：查看ImageIO.write()的返回值。 2：使用ImageIOUtils，这将检查lib是否存在。 3：读取依赖：pdfbox.apache.org/2.0/dependencies.html 4：使用最新版本，即2.0.2。（仅从昨天开始:-)）
我已经尝试了 2.0.2 版本，但结果是一样的。 JAI 的 imageio、编解码器和核心位于类路径中，并且“ImageIOUtils.writeImage”产生的结果类似于“ImageIO.write”。但是将 TIFF 视为 PNG（如@user254948 所建议）是有效的，即我能够将 TIFF 保存为 PNG，对其进行编辑并将其保存为 PDF。感谢您的建议。

标签： java pdfbox tiff

【解决方案1】：

要将 PDF 提取为 TIFF 格式，您需要在类路径中包含 jai_imageio 库。

我使用了 geotoolkit 存储库中的分发包，这是我的 pom.xml 提取：

<repositories>
    <repository>
        <id>Geotoolkit</id>
        <name>Geotoolkit</name>
        <url>http://maven.geotoolkit.org/</url>
    </repository>
</repositories>

<dependencies>
    <dependency>
        <groupId>org.apache.pdfbox</groupId>
        <artifactId>pdfbox</artifactId>
        <version>2.0.3</version>
    </dependency>

    <!--required by PDFBox to create tiff images-->
    <dependency>
        <groupId>javax.media</groupId>
        <artifactId>jai_imageio</artifactId>
        <version>1.1.1</version>
    </dependency>
</dependencies>

【讨论】：