pdfbox和itext-无法提取图像

Question

我正在尝试从pdf中提取图像。pdfbox能够从大多数PDF中提取图像，但它们是一些无法通过pdfbox提取图像的PDF。

为了提取图像，我使用以下代码：无法从PDFA1-a格式文档中提取图像

您可以从以下链接下载带有此问题的pdf示例：http://myslams.com/test/2.pdf

是他们的代码出错了，也许是我忘记处理了，还是他们的pdf一起出了问题？

Answer 1

由于OP尚未将其陈旧的PDF示例链接替换为可用的链接，因此只能笼统地回答这个问题。

OP引用的代码（答案中有@Tilman的更正）迭代每个页面的即时图像资源并存储相应的文件。

因此，代码可能会存储太多的图像，因为页面的图像资源可能不一定会在所讨论的页面上使用：

1. 一方面，它可能根本不在文件中使用，或者至少在任何地方都看不见，仅仅是之前PDF编辑过程中的遗留问题

代码可能存储的图像太少，因为还有其他地方可以放置图像：

1. 图像数据可以直接包括在页面内容流中，也称为内联图像

一旦OP提供了一个代表性的示例文件，就可以确定他错过的图像类型，并概述特定的解决方案。

编辑

根据OP的评论，他的图像提取问题已通过利用对其问题“pdfbox和itext使用不正确的dpi提取图像”的回答中的信息得到解决。特别是针对OP SEM使用的适用于PDFBox 1.8.8版的示例代码非常重要。

因此，软件编排问题也可能导致任何类型的错误输出。