如何解决如何使用 iText 从 PDF 表单中提取图像
本文 (How to extract images from a PDF with iText in the correct order?) 介绍了如何从常规 PDF 文件中提取图像。我需要提取用户在 PDF 表单字段中输入的图像。
我使用 iText 7。我可以使用如下代码访问 iText 中的表单字段:
PdfReader reader = new PdfReader(new FileInputStream(new ClassPathResource("myFile.pdf").getFile()));
PdfDocument document = new PdfDocument(reader);
PdfAcroForm acroForm = PdfAcroForm.getAcroForm(document,false);
Map<String,PdfFormField> fields = acroForm.getFormFields();
PdfButtonFormField imageField = null;
PdfDictionary dictionary = null;
for (String fldName : fields.keySet()) {
PdfFormField field = fields.get(fldName);
if ("Image1_af_image".equals(fldName)) {
imageField = (PdfButtonFormField)fields.get("Image1_af_image");
dictionary = imageField.getPdfObject();
}
}
其中 Image1_af_imgage
是表单中图像字段的默认名称。是否可以从 PdfButtonFormField
或其关联的字典对象中提取图像流?
public void iTextTest3() throws IOException {
PdfReader reader = new PdfReader(new FileInputStream(new ClassPathResource("templates/TestForm.pdf").getFile()));
PdfDocument document = new PdfDocument(reader);
String fieldname = "Image1_af_image";
PdfAcroForm acroForm = PdfAcroForm.getAcroForm(document,false);
PdfFormField imagefield = acroForm.getField(fieldname);
// get the appearance dictionary
PdfDictionary apDic = imagefield.getWidgets().get(0).getnormalAppearanceObject();
// get the xobject resources
PdfDictionary xObjdic = apDic.getAsDictionary(PdfName.Resources).getAsDictionary(PdfName.XObject);
for (PdfName key : xObjdic.keySet()) {
System.out.println(key);
PdfStream s = xObjdic.getAsstream(key);
// only process images
if (PdfName.Image.equals(s.getAsName(PdfName.Subtype))) { //*** code fails here ***
PdfImageXObject pixo = new PdfImageXObject(s);
byte[] imgbytes = pixo.getimageBytes();
String ext = pixo.identifyImageFileExtension();
// write the image to file
String fileName = null;
FileOutputStream fos = new FileOutputStream(fileName = key.toString().substring(1) + "." + ext);
System.out.println(("image fileName: " + fileName));
fos.write(imgbytes);
fos.close();
}
}
document.close();
}
代码失败,因为 s.getAsName(PdfName.Subtype)
返回值 "Form"
。我猜我需要做的是按照您在帖子中的建议递归到 XObject 树中,但我不确定如何做到这一点。我尝试了 xObjdic.getAsDictionary()
,但不确定将什么 PdfName
作为参数传入。
解决方法
PDF 中按钮的视觉外观可以完全自定义,包括文本、图形和图像。因此,图像数据在不同的 PDF 文档中的存储方式可能略有不同。但是一般来说,表单域的widget annotation会有一个appearance stream,它的中会有一个XObject的图像数据资源字典。
创建带有用于测试的图像按钮的 PDF:
String fieldname = "Image1_af_image";
PdfAcroForm form = PdfAcroForm.getAcroForm(pdfDoc,true);
PdfButtonFormField imagefield = PdfFormField.createButton(pdfDoc,new Rectangle(100,100,50,50),PdfButtonFormField.FF_PUSH_BUTTON);
imagefield.setImage("button.png").setFieldName(fieldname);
form.addField(imagefield);
从按钮获取图像数据:
PdfAcroForm acroForm = PdfAcroForm.getAcroForm(pdfDoc,false);
PdfFormField imagefield = acroForm.getField(fieldname);
// get the appearance dictionary
PdfDictionary apDic = imagefield.getWidgets().get(0).getNormalAppearanceObject();
// get the xobject resources
PdfDictionary xObjDic = apDic.getAsDictionary(PdfName.Resources).getAsDictionary(PdfName.XObject);
for (PdfName key : xObjDic.keySet()) {
System.out.println(key);
PdfStream s = xObjDic.getAsStream(key);
// only process images
if (PdfName.Image.equals(s.getAsName(PdfName.Subtype))) {
PdfImageXObject pixo = new PdfImageXObject(s);
byte[] imgbytes = pixo.getImageBytes();
String ext = pixo.identifyImageFileExtension();
// write the image to file
FileOutputStream fos = new FileOutputStream(key.toString().substring(1) + "." + ext);
fos.write(imgbytes);
fos.close();
}
}
您可以使用 PDF 对象查看器(例如 iText RUPS 或 Adobe Acrobat 的内置“浏览内部 PDF 结构”)来检查 PDF 文档的确切结构并找出图像数据的存储位置。
编辑:
一种更通用的提取图像数据的方法,以防它位于嵌套的Form XObjects中:
PdfAcroForm acroForm = PdfAcroForm.getAcroForm(pdfDoc,false);
PdfFormField imagefield = acroForm.getField(fieldname);
// get the appearance dictionary
PdfDictionary apDic = imagefield.getWidgets().get(0).getNormalAppearanceObject();
// get the xobject resources
PdfDictionary xObjDic = apDic.getAsDictionary(PdfName.Resources).getAsDictionary(PdfName.XObject);
extractImagesFromXObj(xObjDic);
public void extractImagesFromXObj(PdfDictionary xObjDic) throws IOException {
for (PdfName key : xObjDic.keySet()) {
System.out.println(key);
PdfStream s = xObjDic.getAsStream(key);
PdfName subType = s.getAsName(PdfName.Subtype);
// only process images
if (PdfName.Image.equals(subType)) {
PdfImageXObject pixo = new PdfImageXObject(s);
byte[] imgbytes = pixo.getImageBytes();
String ext = pixo.identifyImageFileExtension();
// write the image to file
FileOutputStream fos = new FileOutputStream(key.toString().substring(1) + "." + ext);
fos.write(imgbytes);
fos.close();
}
// process nested XObject dictionaries recursively
else if (PdfName.Form.equals(subType)) {
PdfDictionary nestedXObjDic = s.getAsDictionary(PdfName.Resources).getAsDictionary(PdfName.XObject);
extractImagesFromXObj(nestedXObjDic);
}
}
}
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。