Hwo检查PDF文档是否包含图像

-1

我正在使用iText库从PDF文档读取文本。但是，除了文本之外，某些pdf文档可能会在其中嵌入图像。Hwo检查PDF文档是否包含图像

我想知道是否有任何方式，通过iText或其他，以确定如果PDF文件包含图像？

2013-06-20 Anthony

看这里http://stackoverflow.com/questions/7007917/how-to-extract-images-from-a-pdf-with-itext-in-the-correct-order 使用相同的基本设置，看看是否存在。 – Phil

如果你不想切换到PDFBox添加@菲尔的参考建议......你也可以使用解析器包中的iText类来进行位图图像提取。 – mkl

我遇到了这个链接，但是，我需要找出一个图像是否存在于pdf中。 http://itextpdf.com/examples/iia.php?id=284 – Anthony

您可以使用PDF库进行正确且100％可靠的检查。

但是，您可以通过阅读PDF文本并以此方式进行处理来做相当可靠的检查。首先，您需要检查它是通过查找在开始的PDF头一个PDF，

%PDF...

然后通过寻找短语扫描，

/XObject

当你点击这个标签，你需要检查在数据流中向前和向后移动到< <和>>字典边界以提取完整的XObject字典。有可能嵌套< <和>>所以你可能想要检查'OBJ'并转发到'流'条目。总之你最终的东西，看起来像这样，

<< 
/Type /XObject /Subtype /Image /Name /I1 
/Width 800 /Height 128 
/BitsPerComponent 1 /ImageMask true 
/Filter [/FlateDecode] 
/Length 2302 >>

你需要在这里检查的是，有这种/亚型进入和一些空格分开的/图像的事情。如果你击中了那么你就有一个图像。

那么这种方法的局限性是什么？

那么可以在文档中嵌入图像，但不能使用它。这会导致误报。我认为这是不太可能的。这样做效率非常低，只有一个非常生气的生产者会这样做。

上面Hugo提到的图像可以嵌入到页面内容流中。这会导致错误的否定。这些都很少见。这是规范中那些不太好的主意，也没有被广泛使用。如果你有一个单一制作人的文件（如往常一样），如果它做到或不做，它会很快变得明显。不过，我认为这将是非常罕见的。猜测我无法想象超过1％的野生PDF将包含此构造。

可以将这些XObject标记嵌入为引用而不是直接对象。但我认为你完全可以打折。虽然合法，但它绝对是不合格的。我不认为你会看到。

正确的方法涉及扫描和解析PDF中的所有内容流。这是我们在ABCpdf（我工作）中所做的工作，但它有更多的工作和更多的处理能力。在大文件上可能需要几秒钟的时间。

想想99％的可靠性是否足够好。 :-)

来源

2013-06-21 16:49:08 OnceUponATimeInTheWest

PDF中的图像是FormXObjects或使用BI-EI命令嵌入内容的嵌入式图像。因此，您必须解析页面的资源字典并递归检查它的Xobjects，以检查它们是否也包含一个图像（相同的资源字典）。您还必须解析所有内容流，并检查嵌入式图像是否存在。另外的图像可以在模式中定义 - >如果你要实现自己的图像存在检查器，这是一种方法。首先阅读规范并估计时间费用。最终，3d party lib可能并不昂贵。

来源

2013-06-21 03:14:22

可以iText不做你的建议吗？ – Anthony

错误确实存在于iText和其他工具中的任何地方.PDF文件也不是排他性的，有很多格式错误，创建不正确的例子。它可能是您的情况，如果您发布了您试图完成的示例代码这个任务与。 –

Hwo检查PDF文档是否包含图像

回答

相关问题