我已经完成了从 PDF 中提取文本,但现在我想提取图像。第一个问题是图像位于每页文本之间。我想知道的是如何按顺序提取图像,即使文件是每页 2 列,以及如何确定图像在文本中的位置。
这是我尝试过的一些代码。
图像提取:
ExtractImages.java:
public static final String RESULT = "results/part4/chapter15/Img%s.%s";
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);
}
}
MyImageRenderListener:
public MyImageRenderListener(String path) {
this.path = path;
}
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());
}
}
该代码处理 pdf 的内容并检查图像,然后将这些图像渲染为图像文件(.png、.jpg 等)。
我在这里遇到的问题是它没有按顺序提取图像。我希望图像按顺序排列,所以我会知道页面中的第一个图像和最后一个图像。我怎么做?那么,是否可以在不将其渲染到文件的情况下提取图像?我对图像的目标是在我的 android 应用程序中将其显示为图像而不将其转换为文件。如果我不可能,那么当用户完成使用它时,我会坚持删除图像。
我的目的是从 pdf 文件中提取(不查看)文本和图像,并在 android 应用程序中按顺序显示。