12

我想编写 JavaScript 代码来从 PDF 文件中提取所有图像文件，也许将它们作为 JPG 或其他图像格式。已经有一些用于读取 PDF 文件的 JavaScript 代码，例如在 PDF 查看器pdf-js中。

window.addEventListener('change', function webViewerChange(evt) {
  var files = evt.target.files;
  if (!files || files.length === 0)
    return;

  // Read the local file into a Uint8Array.
  var fileReader = new FileReader();
  fileReader.onload = function webViewerChangeFileReaderOnload(evt) {
    var buffer = evt.target.result;
    var uint8Array = new Uint8Array(buffer);
    PDFView.open(uint8Array, 0);
  };

  var file = files[0];
  fileReader.readAsArrayBuffer(file);
  PDFView.setTitleUsingUrl(file.name);
  ........

我可以使用此代码来帮助读取和提取图像文件吗？

4

2 回答 2

21

pdf.js例如，如果您打开一个带有 的页面

PDFJS.getDocument({url: <pdf file>}).then(function (doc) {
    doc.getPage(1).then(function (page) {
        window.page = page;
    })
})

然后，您可以使用它getOperatorList来搜索paintJpegXObject对象并获取资源。

window.objs = []
page.getOperatorList().then(function (ops) {
    for (var i=0; i < ops.fnArray.length; i++) {
        if (ops.fnArray[i] == PDFJS.OPS.paintJpegXObject) {
            window.objs.push(ops.argsArray[i][0])
        }
    }
})

现在args将有一个您需要从该页面获取的资源列表。

console.log(window.args.map(function (a) { page.objs.get(a) }))

应该将一堆<img />具有 data-urisrc=属性的对象打印到控制台。这些可以直接插入到页面中，或者您可以执行更多脚本来获取原始数据。

它仅适用于嵌入的 JPEG 对象，但这是一个开始！

于 2016-10-04T14:50:19.640 回答
0

这是从 pdf 获取图像并将 alpha 通道添加到 Uint8ClampedArray 以便能够显示它的工作示例的链接。它在画布中显示图像。

codepen 中的示例：https ://codepen.io/allandiego/pen/RwVGbyj

从画布获取数据 url 以便能够在 img 标签中显示它：

const canvas = document.createElement('canvas');
canvas.width = imageWidth;
canvas.height = imageHeight;
const ctx = canvas.getContext('2d');
ctx!.putImageData(imageData, 0, 0);
const dataURL = canvas.toDataURL();
于 2022-02-02T08:20:52.733 回答