[英]Extract images from PDF file with JavaScript
我想编写 JavaScript 代码以从 PDF 文件中提取所有图像文件,也许将它们获取为 JPG 或其他一些图像格式。 已经有一些 JavaScript 代码用于读取 PDF 文件,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?
例如,如果您打开包含pdf.js
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getOperatorList
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
将拥有您需要获取的该页面的资源列表。
console.log(window.args.map(function (a) { page.objs.get(a) }))
应该使用data-uri src=
attributes向控制台打印一堆<img />
对象。 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。
它仅适用于嵌入式JPEG对象,但它是一个开始!
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<\/a>。 它在画布中显示图像。
codepen 中的示例: https<\/a> :\/\/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();
Hello guys i've created a package for extract images from PDF , if you need get images from PDF you should use this package, it will be return images like base64 format.
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.