如何在Android上使用iText從PDF文件中提取圖像和文本

我已經完成從PDF中提取文本，但現在我想提取圖像。第一個問題是圖像在每頁文本之間。我想知道的是如何按順序提取圖像，即使文件是每頁2列，以及如何確定圖像放置在文本中的位置。如何在Android上使用iText從PDF文件中提取圖像和文本

這是我嘗試過的一些代碼。

圖像提取：

ExtractImages.java: 
public static final String RESULT = "results/part4/chapter15/Img%s.%s"; 
public void extractImages(String filename) 
    throws IOException, DocumentException { 
    PdfReader reader = new PdfReader(filename); 
    PdfReaderContentParser parser = new PdfReaderContentParser(reader); 
    MyImageRenderListener listener = new MyImageRenderListener(RESULT); 
    for (int i = 1; i <= reader.getNumberOfPages(); i++) { 
     parser.processContent(i, listener); 
    } 
} 

MyImageRenderListener: 
public MyImageRenderListener(String path) { 
    this.path = path; 
} 

public void renderImage(ImageRenderInfo renderInfo) { 
    try { 
     String filename; 
     FileOutputStream os; 
     PdfImageObject image = renderInfo.getImage(); 
     if (image == null) return; 
     filename = String.format(path, renderInfo.getRef().getNumber(), image.getFileType()); 
     os = new FileOutputStream(filename); 
     os.write(image.getImageAsBytes()); 
     os.flush(); 
     os.close(); 
    } catch (IOException e) { 
     System.out.println(e.getMessage()); 
    } 
}

代碼過程的PDF並檢查圖像的內容，然後渲染這些圖像到一個圖像文件（.PNG，.JPG，等）。

我在這裏得到的問題是，它不按順序提取圖像。我想要圖像的順序，所以我會知道什麼圖像首先在一頁和最後。我怎麼做？那麼，是否有可能提取圖像而不將其渲染到文件？我的目標是將圖像顯示在我的android應用程序中，而不是將它轉換爲文件。如果我不可能，那麼當用戶使用它時，我會堅持刪除圖像。

我的目的是要EXTRACT（NOT VIEW）來自PDF文件的文本和圖像，並按順序顯示在android應用程序中。

來源

2012-11-25 Christian Eric Paran

正如前面對其他問題的迴應所述，人們在PDF中查看元素（文本或圖像）的順序並不一定以PDF的形式在手邊呈現。因此，要匹配通用PDF中的解析圖像和解析文本，必須提取兩者的位置，並使用啓發式方法在文本中錨定圖像。即使你只在制定時想要按順序獲取圖像，也必須提取/瞭解結構（多列？），並根據該結構分析圖像位置。而如果在兩欄文檔中有一個圖像在中心？ ;） – mkl

高層次的方法：

提取所有文本從文檔，而無需關心閱讀順序
確定基於字符，二元語法分佈和文本的語言卦
一次語言是已知的，您知道是使用LTR（從左到右）還是使用RTL閱讀順序
使用諸如每個字符的邊界框以及語言和字體之類的信息，啓發式地構建文本行（良好的初始度量可能是「連接t」 WO如果他們大致在同一y位置和它們的x-立場之間的差距落在平均+ std_dev範圍內）
一旦你已經建行，建段（類似於啓發式前）
現在字符你有段落和文本的語言，你可以按照正確的順序打印段落。

這是我一直在iText研究的東西，它肯定不是一項簡單的任務。

最簡單的解決方案當然是有一個標記的PDF文檔。標記文檔包含關於哪些視覺元素以何種方式屬於一起的信息。或者，簡而言之，您不必關心製作線條和段落，這已經完成並標記出來。

來源

2017-07-27 14:58:53

如何在Android上使用iText從PDF文件中提取圖像和文本

回答

相關問題