获取包含图像的PDF页面

Question

我正在寻找一个编程解决方案来查找包含至少一个图像的所有页面（例如页码）。我不需要自己的图像，我只需要页码。 shell脚本解决方案或python解决方案是首选，但有助于完成此任务的所有内容都可以。

背景：我正在研究PDF，我需要知道在哪个页面上运行OCR是有意义的。

Answer 1

一个解决方案是使用pdfimages，该工具来自poppler-utils包。它可以输出存储在PDF上的图像的一些信息：

$ pdfimages -list file.pdf 
page num type width height color comp bpc enc interp object ID 
--------------------------------------------------------------------- 
    1  0 image  200 197 rgb  3 8 jpeg no   7 0 

的页码是接一个（从1算起），identify（从ImageMagik包）可以告诉你所有的页码：

$ identify -format '%p ' file 
0 1 2 3 

从这两个命令可以看出，页面2,3,4不包含图像，而页面1不包含图像。