0

我有一段代码可以从 PDF 中收集图像并使用 pdfBox 将它们保存在文件夹中。这些图像是无用的,因为我对它们一无所知。PDF 包含章节标题,后跟 1-3 张图片。无论如何要更改程序,以便它会告诉我他们来自哪个部分?

这是代码:

public static void main(String[] args) throws IOException {

        PDDocument document = null; 
        try {
            document = PDDocument.load("C:\\Users\\564864\\Downloads\\wsh2012.pdf");
        } catch (IOException ex) {
            System.out.println("" + ex);
        }
        List pages = document.getDocumentCatalog().getAllPages();
        Iterator iter = pages.iterator(); 
        int i =1;
        String name = null;

        while (iter.hasNext()) {
            PDPage page = (PDPage) iter.next();
            PDResources resources = page.getResources();
            Map pageImages = resources.getImages();
            if (pageImages != null) { 
                Iterator imageIter = pageImages.keySet().iterator();
                while (imageIter.hasNext()) {
                    String key = (String) imageIter.next();
                    PDXObjectImage image = (PDXObjectImage) pageImages.get(key);
                    image.write2file("C:\\Users\\564864\\Desktop\\Java\\helloworld\\images\\" + i+"");
                    i ++;
                }
            }
        }

    }
4

1 回答 1

1

除非 PDF 包含其他元数据,否则 PDF 中没有任何部分。我在http://www.jpedal.org/PDFblog/2012/06/extracting-structured-text-from-pdf-files/上写了一篇关于结构化文本(同样适用于图像)的文章

于 2012-08-11T07:57:52.907 回答