如何从PDF文件中提取图像？

Question

我需要从服务器上的PDF文件中提取所有图像。我不想要PDF页面，只需要原始尺寸和分辨率的图像。

我如何使用Perl，PHP或任何其他基于UNIX的应用程序（我将使用PHP的exec函数调用）来执行此操作？

Answer 1

pdfimages就是这么做的。它是poppler-utils和xpdf-utils包的一部分。

从联系手册：

  

  Pdfimages将可移植文档格式（PDF）文件中的图像保存为便携式像素图（PPM），便携式位图（PBM）或JPEG文件。   

     

  Pdfimages读取PDF文件，扫描一个或多个页面，PDF文件，并为每个图像写入一个PPM，PBM或JPEG文件，image-root-nnn.xxx，其中nnn是图像编号，xxx是图像类型（.ppm，。pbm，.jpg）。   

     

  注意：pdfimages从PDF文件中提取原始图像数据，而不执行任何其他转换。由PDF内容流完成的任何旋转，剪切，颜色反转等都将被忽略。   

Answer 2

关于Perl，您检查了CPAN吗？

• PDF::GetImages - 从pdf文档中获取图片
• PDF::OCR - 从pdf文件中获取ocr和图像
• PDF::OCR2 - 从pdf
中提取所有文本和所有图像ocr

Answer 3

pdfimages非常好，因为它不会重新编码，只能提取jpeg。但是有一个错误：

pdfimages来自包“poppler-utils”或更大的“xpdf-utils”。至少在Ubuntu中，“poppler-utils”已经预先安装好了。 poppler-utils 10.0.3（Ubuntu 9.04 Jaunty）中的pdfimages仍然没有对选项“-j”做出反应来提取“.jpg”。它总是提取“.ppm”。

作为一种解决方法，您可以将“poppler-utils”替换为“xpdf-utils”： $ sudo apt-get install xpdf-utils

亲切的问候，

+++ Oliver