1

我有一个 pdf 文件，它使用 CAM::PDF 的 listimages.pl 什么都不返回，但使用 PDF::GetImages 将提取图像。使用以下代码，我可以找到图像对象，但我不知道如何将其提取到文件中。而且我无法弄清楚为什么命令行工具不起作用。

#!/usr/bin/perl -w
use strict;

use Cwd;
use File::Basename;
use Data::Dumper;
use CAM::PDF;
use CAM::PDF::PageText;
use CAM::PDF::Renderer::Images;

my $file = shift @ARGV || die "Usage: get-pdf-images /path/to/file.pdf \n";

my $pdf = CAM::PDF->new($file) || die "$CAM::PDF::errstr\n";

#print $pdf->toString();

foreach my $p ( 1 .. $pdf->numPages() ) {
    my $page = $pdf->getPageContentTree($p);
    my $str = $pdf->getPageText($p);
    if (defined $str) {
#        CAM::PDF->asciify(\$str);
        print $str;
    }

    print "-------------------------------\n";
    my $gs = $page->findImages();
    my @imageNodes = @{$gs->{images}};
    print "Found " . scalar @imageNodes . " images on page $p\n";
    print Data::Dumper->Dump([\@imageNodes],['imageNodes']);
}

如果我运行 `pdfinfo.pl`，它会报告：

$ pdfinfo.pl test.pdf
File:         test.pdf
File Size:    4599 bytes
Pages:        1
Author:       þÿadmin01
CreationDate: Fri Jan  3 03:48:53 2014
Creator:      þÿPDFCreator Version 1.7.2
Keywords:
ModDate:      Fri Jan  3 03:48:53 2014
Producer:     GPL Ghostscript 9.10
Subject:
Title:        þÿVision6Card
Page Size:    variable
Optimized:    no
PDF version:  1.4
Security
  Passwd:     none
  Print:      yes
  Modify:     yes
  Copy:       yes
  Add:        yes

test.pdf 文件可以从这里下载：http ://imaptools.com:8080/dl/test.pdf

4

1 回答 1

1

部分部分CAM::PDF未完成。如果您查看 source of listimages.pl，您会发现内联图像的内容解析有些原始，例如，它不允许BIand之间存在不匹配的括号EI（就像这种情况一样），因此在这里找不到图像。有uninlinepdfimages.pl，它使用另一种启发式方法来解析内联图像，但是对于这个文件，它似乎挂起，我不打算调查是什么混淆了它。和，CAM::PDF::Renderer::Images，就像在您的代码中一样，是对同一问题的另一种看法，最后它对内容流进行了正确的解析，但是该库似乎没有提供帮助在此处提取图像数据的方法。但是如果你非常需要它，我认为没有技术问题（除了你的时间），在@imageNodes 中给出信息（宽度、高度、深度、使用的压缩、图像数据），以编程方式提取图像。

于 2014-01-16T19:12:29.747 回答