PDFBox無法檢測頁面中的圖像

Question

我正在嘗試使用PDFBox檢測此 pdf中的圖像。 pdf有兩個空白圖像，一個在左側（在文本“將其放入框中”下方），另一在右側（在文本“在此框外附加此框”下方）。 這是我用來檢測圖像的代碼：

PDPage page = (PDPage) catalog.getAllPages().get(0);
PDStream contents = page.getContents();
PDFStreamParser parser = new PDFStreamParser(contents.getStream());
parser.parse();
List<Object> tokens = parser.getTokens();

PDResources resources = page.getResources();
Map<String, PDXObjectImage> images = resources.getImages();
if(null != images){
        Iterator<String> it = images.keySet().iterator();
        while(it.hasNext()){
            String key = it.next();
            System.out.println("Key >>>>>>>>>>>>>> "+key);
        }
}

我能夠檢測到第二張圖像。 但是，未檢測到第一張圖像。 問題是什么？ 我確定pdf是正確的。 我多次創建它，但仍然面臨着同樣的問題。 我使用Sketch創建了pdf。

謝謝。

Answer 1

簡而言之

我能夠檢測到第二張圖像。 但是，未檢測到第一張圖像。 問題是什么？

實際上，兩個頁面上的圖像都使用相同的圖像資源 ，只是延伸到不同的尺寸。

詳細

如果查看頁面的內容流，則會在最后看到以下內容：

q
720 0 0 970 832 126 cm
/Im1 Do
Q
q
512 0 0 128 144 968 cm
/Im1 Do
Q

前四行在拉伸到720 x 970的位置832、126處繪制圖像資源Im1 ，后四行在拉伸到512 x 128的位置144、968處繪制相同圖像資源Im1 。

該怎么辦

您僅查看頁面資源以查找頁面圖像的方法是不合適的，因為

• 如您所見，頁面上的單個圖像資源可能會被多次拉伸到不同的尺寸，
• 圖像資源可能根本不在頁面上使用（例如，某些文檔具有從所有頁面引用的一個大資源字典；對於給定頁面，可能無法使用很多資源），
• 圖像可以內聯到內容流中； 您的方法根本看不到這些圖像，並且
• Xobjects或Patterns可能會顯示在您的頁面上，它們各自的資源中可能分別具有圖像； 因為您只查看即時頁面資源中包含的圖像資源，所以您的方法也將找不到它們。

PDFBox示例PrintImageLocations了一個更好的解決方案（僅對內聯和可能帶有圖案的圖像失敗），其輸出為文件

*******************************************************************
Found image [Im1]
position = 832.0, 128.0
size = 360px, 462px
size = 720.0, 970.0
size = 10.0in, 13.472222in
size = 254.0mm, 342.19446mm

*******************************************************************
Found image [Im1]
position = 144.0, 128.0
size = 360px, 462px
size = 512.0, 128.0
size = 7.111111in, 1.7777778in
size = 180.62222mm, 45.155556mm

此示例利用PDFBox PDFStreamEngine解析處理以繪制頁面的內容。