1

我正在尝试从受读保护的 PDF 中提取图像。

对于普通 PDF，Poppler 库可以很好地提取图像，而从受读保护的 PDF 中，它也可以很好地提取文本。这些图像是一个不同的故事。它要么不提取所有图像，要么以模糊的灰色或黑色提取所有图像。

在以下 PDF（此处为原始 PDF）中，您可以在许多图像下方的缩略图中看到：

在此处输入图像描述

我尝试了Poppler 库pdfimages中的命令：

$ pdfimages -j ticket.pdf i

和pdftohtml来自mupdf的命令：

$ pdftohtml -nodrm ticket.pdf

但是这两个库都只提取了许多图像中的一个。不过，该图像已正确提取。我从其他 PDF 中得到所有图像，但它们都是灰色或黑色的。

由于读保护应该只是 PDF 文档中的一个标志，而不是对源的实际加扰或加密（最终您的计算机可以在不输入密码的情况下显示图像），因此应该可以以某种方式单独提取图像. 我什至可以使用ImageMagick ( )从整个 PDF 创建缩略图convert ticket.pdf ticket.jpg，那么为什么不单独图像呢？

有人知道如何从受读保护的 PDF 中提取所有图像吗？欢迎所有提示！

4

1 回答 1

0

并非所有看起来像图像的东西也是图像。

以左上角的红蓝黄绿标志为例，上面有黑+白的“票务服务”文字：它是一系列矢量图形（红蓝黄绿各色块）是一个单独的对象，文本也是）。

唯一的“真实”（光栅）图像是以下命令列出的图像：

$ pdfimages -list ticket.pdf 

 page   num  type   width height color comp bpc  enc interp  object ID x-ppi y-ppi size ratio
 --------------------------------------------------------------------------------------------
    1     0 image     642   462  index   1   8  image  no        38  0   151   151  107K  37%
    2     1 image     642   462  index   1   8  image  no        38  0   151   151  107K  37%

这两个（列出的）图像都由具有编号/代的相同 PDF 对象表示38 0（因此它只是嵌入在 PDF 中的 1 个图像）。

仅仅因为页面是彩色的并不意味着嵌入了很多图像！

此外，PDF 上没有“读取保护”（无论这对您意味着什么），并且该 PDF 上也没有带有伴随加密的（用户或所有者）密码，如以下命令所示：

$ pdfinfo ticket.pdf

 Title:          TicketFast
 Author:         Ticketmaster
 Creator:        TCT 4.4.4
 Producer:       PDFlib+PDI 5.0.4 (C++/Linux)
 CreationDate:   Wed May  5 18:21:29 2010
 ModDate:        Thu Apr 30 16:02:21 2015
 Tagged:         no
 UserProperties: no
 Suspects:       no
 Form:           none
 JavaScript:     no
 Pages:          2
 Encrypted:      no
 Page size:      595.275 x 841.89 pts (A4)
 Page rot:       0
 File size:      364994 bytes
 Optimized:      no
 PDF version:    1.4

如果在 PDF 上设置了WAS密码/加密，它将使用Encrypted: yes.

关于 PDF 保护的一些评论

“[....] 读保护应该只是 PDF 文档中的一个标志 [....]”

首先，没有“读保护”之类的东西。您可能的意思是“密码保护”。

其次，如果PDF 受密码保护，它也是加密的。有两个密码：

  1. 更改文档的安全/密码/加密状态所需的所有者密码。
  2. 打开和查看文档所需的用户密码。

但是，有（很常见的）用户密码为“空”的情况。所有 PDF 阅读器都知道这一点，他们首先尝试使用空用户“密码”。如果可行，他们将解密并打开 PDF。用户密码为空的 PDF 仍可通过限制复制粘贴、打印、修改等来保护。要更改该状态，您需要知道所有者密码...

于 2015-04-30T18:32:19.613 回答