【发布时间】：2013-03-21 23:47:15
【问题描述】：
我的用例非常简单。我需要将 PDF 转换为图像。我尝试使用 apache pdfbox，但在转换包含扫描图像的 pdf 时遇到了一些麻烦。当我转换扫描图像时，由于压缩/缩放，图像清晰度会丢失。所以我试图从PDF中提取图像数据然后存储它。但问题是我可能会得到包含图像和文本的 PDF 文件，在这种情况下我需要回退到图像转换模式。问题是如何区分只有图像的页面/文档和具有复合数据的页面/文档。我在想我可以为此目的使用 ProcSet 防御，但根据 PDF 规范，它看起来被标记为过时且不可靠。另一种可能性是检查链接到该页面的所有对象，看看它是否包含图像以外的任何内容。如果有更简单的方法，请告诉我 谢谢
【问题讨论】：
-
您可以先尝试提取文本。如果找不到文本，请进行图像提取。如果每页只有一张图像，那很可能是扫描的页面。 （不幸的是，这忽略了矢量图形）
-
@mkl 谢谢。我想这就是我最终会做的事情