如何逐頁獲取具有整個文件內容的base64的PDF文件的內容？

Question

我有一個像JVBERi0xLjIgDSXi48/T...這樣的 base64 格式的 PDF 文件的內容。

我怎樣才能解析它以獲得它每一頁的base64？

假設 PDF 文件有 5 頁。 如何獲取base64中每個頁面的內容？ 我已經谷歌它但找不到任何東西。 任何幫助表示贊賞。

Answer 1

通常，甚至不可能逐頁分離原生PDF 文件的內容（正如您將看到的，當文件采用 base64 編碼時，就不可能這樣做）。

PDF 文件的最一般結構是，按以下順序：

1. PDF標題
2. PDF 對象（文件正文）
3. PDF 外部參照表（目錄，給出每個 PDF 對象的文件偏移位置）
4. PDF預告片

您不能假設 PDF 對象在文件中的顯示順序與頁面在 PDF 查看器中的顯示順序相同。

如果您提取單個頁面，該頁面本身需要是一個有效的 PDF 文檔：包含（以相同的順序）頁眉、對象、外部參照和尾部，其中外部參照和尾部需要重新構建以匹配新文檔（外部參照和預告片不能簡單地從原始文檔中復制）。

因此，在考慮訪問生成的 PDF 的單個頁面之前，您需要完全解碼 base64 編碼的文件。

要從使用 base64 編碼的 5 頁 PDF 文檔中獲取所有單獨的 PDF 頁面作為 base64，您必須執行以下步驟：

1. 將完整的 base64 文件解碼為有效的 5 頁 PDF 文檔。
2. 將 5 頁 PDF 文檔拆分為 5 個單獨的 1 頁 PDF 文檔。
   ^{（您需要為此了解“PDF 游戲規則”，或使用知道的 PDF 庫）}
3. 使用 base64 對每個 1 頁 PDF 文檔進行編碼。

Answer 2

你可能想澄清你的答案。 從您的措辭中看不出您是要在 base64 中編碼還是從中解碼。

假設你想解碼（因為你說你有 base64），有可用的標准庫： Decode Base64 data in Java