Java 使用PDFBox提取PDF文件中的图片

时间:2024-01-21 15:56:40

今天做PDF文件解析,遇到一个需求:提取文件中的图片并保存。使用的是流行的apache开源jar包pdfbox, 但还是遇到坑了,比如pdfbox版本太高或太低都不能用!!这个包竟然没有很好地做好兼容问题,有些方法在高版本说舍弃就舍弃了。暂时没有时间去研究版本间的区别。以下给我这个问题的解决方案。

pdfbox版本:1.8.13

maven传送门:

<!-- 处理pdf文件 -->  
<!-- https://mvnrepository.com/artifact/org.apache.pdfbox/pdfbox -->  
<dependency>  
    <groupId>org.apache.pdfbox</groupId>  
    <artifactId>pdfbox</artifactId>  
    <version>1.8.13</version>  
</dependency>  

 

代码:

package com.tbd.util;

import java.io.File;
import java.io.IOException;
import java.util.Iterator;
import java.util.List;
import java.util.Map;

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDResources;
import org.apache.pdfbox.pdmodel.graphics.xobject.PDXObjectImage;

/**
 * 提取PDF中的图片
 * pdfbox 版本 1.8.13
 * @author Charlie Wu
 * 2018/05/24
 */
public class PDF2Image {
	/**
	 * 提取
	 * @param file			PDF文件
	 * @param targetFolder 	图片存放目录
	 * @return 
	 */
	public static boolean extractImages(File file, String targetFolder) {  
		boolean result = true;
		
		try{
			PDDocument document = PDDocument.load(file);  
			 
		 	List<PDPage> pages = document.getDocumentCatalog().getAllPages();
			Iterator<PDPage> iter = pages.iterator();
			int count = 0;
			while( iter.hasNext()){
			    PDPage page = (PDPage)iter.next();
			    PDResources resources = page.getResources();
			    Map<String, PDXObjectImage> images = resources.getImages();
			    if(images != null)
			    {
			        Iterator<String> imageIter = images.keySet().iterator();
			        while(imageIter.hasNext())
			        {
			        	count++;
			            String key = (String)imageIter.next();
			            PDXObjectImage image = (PDXObjectImage)images.get( key );
			            String name = file.getName() + "_" + count;	// 图片文件名
						image.write2file(targetFolder + name);		// 保存图片
			        }
			    }
			}
		} catch(IOException ex){
			ex.printStackTrace();
			return false;
		}
		
		return result;
    } 
	
	
	
	public static void main(String[] args) {
		File file = new File("F:/test.pdf");
		String targerFolder = "F:/target/";
		
		extractImages(file, targerFolder);
	}
}