提取图像使用 PdfExtractor

从整个 PDF 中提取图像到文件 (Facades)

PdfExtractor 类允许您从 PDF 文件中提取图像。 First off, you need to create an object of PdfExtractor class and bind input PDF file using BindPdf method.

首先，您需要创建一个 PdfExtractor 类的对象，并使用 BindPdf 方法绑定输入的 PDF 文件。 在那之后，调用 ExtractImage 方法将所有图像提取到内存中。一旦图像被提取出来，你可以使用 HasNextImage 和 GetNextImage 方法获取这些图像。你需要使用 while 循环遍历所有提取的图像。为了将图像保存到磁盘，你可以调用 GetNextImage 方法的重载，该方法将文件路径作为参数。以下代码片段向你展示了如何将整个 PDF 中的图像提取到文件中。

   public static void ExtractImagesWholePDF()
        {
            // 打开输入 PDF
            PdfExtractor pdfExtractor = new PdfExtractor();
            pdfExtractor.BindPdf(_dataDir + "sample_cats_dogs.pdf");

            // 提取所有图像
            pdfExtractor.ExtractImage();

            // 获取所有提取的图像
            while (pdfExtractor.HasNextImage())
                pdfExtractor.GetNextImage(_dataDir + DateTime.Now.Ticks.ToString() + "_out.jpg");
        }

从整个 PDF 中提取图像到流 (Facades)

PdfExtractor 类允许您将 PDF 文件中的图像提取到流中。 First off, you need to create an object of PdfExtractor class and bind input PDF file using BindPdf method. 首先，你需要创建一个PdfExtractor类的对象，并使用BindPdf方法绑定输入的PDF文件。 接下来，调用 ExtractImage 方法将所有图像提取到内存中。一旦图像被提取出来，您可以借助 HasNextImage 和 GetNextImage 方法获取这些图像。您需要使用 while 循环遍历所有提取的图像。为了将图像保存到流中，您可以调用 GetNextImage 方法的重载，该方法以流作为参数。以下代码片段向您展示如何将整个 PDF 的图像提取到流中。

    public static void ExtractImagesWholePDFStreams()
        {
            // 打开输入 PDF
            PdfExtractor pdfExtractor = new PdfExtractor();
            pdfExtractor.BindPdf(_dataDir + "sample_cats_dogs.pdf");

            // 提取图像
            pdfExtractor.ExtractImage();
            // 获取所有提取的图像
            while (pdfExtractor.HasNextImage())
            {
                // 将图像读入内存流
                MemoryStream memoryStream = new MemoryStream();
                pdfExtractor.GetNextImage(memoryStream);

                // 如果您愿意，可以将其写入磁盘，或者以其他方式使用它。
                FileStream fileStream = new
                FileStream(_dataDir + DateTime.Now.Ticks.ToString() + "_out.jpg", FileMode.Create);
                memoryStream.WriteTo(fileStream);
                fileStream.Close();
            }
        }

从PDF特定页面提取图像 (Facades)

您可以从PDF文件的特定页面提取图像。 为了做到这一点，您需要将 StartPage 和 EndPage 属性设置为您想要提取图像的特定页面。 首先，您需要创建一个PdfExtractor类的对象，并使用BindPdf方法绑定输入的PDF文件。 Secondly, you have to set StartPage * 和 EndPage 属性。 在那之后，调用 ExtractImage 方法将所有图像提取到内存中。图像提取完成后，您可以借助 HasNextImage 和 GetNextImage 方法获取这些图像。您需要使用 while 循环遍历所有提取的图像。您可以选择将图像保存到磁盘或流中。您只需调用 GetNextImage 方法的适当重载。以下代码片段展示了如何将 PDF 特定页面的图像提取到流中。

public static void ExtractImagesParticularPage()
{
    // 打开输入 PDF
    PdfExtractor pdfExtractor = new PdfExtractor();
    pdfExtractor.BindPdf(_dataDir + "sample_cats_dogs.pdf");

    // 设置 StartPage 和 EndPage 属性到您想要提取图像的页码
    pdfExtractor.StartPage = 2;
    pdfExtractor.EndPage = 2;

    // 提取图像
    pdfExtractor.ExtractImage();
    // 获取提取的图像
    while (pdfExtractor.HasNextImage())
    {
        // 将图像读入内存流
        MemoryStream memoryStream = new MemoryStream();
        pdfExtractor.GetNextImage(memoryStream);

        // 如果需要，可以写入磁盘，或以其他方式使用。
        FileStream fileStream = new
        FileStream(_dataDir + DateTime.Now.Ticks.ToString() + "_out.jpg", FileMode.Create);
        memoryStream.WriteTo(fileStream);
        fileStream.Close();
    }
}

从 PDF 的页面范围中提取图像 (Facades)

您可以从 PDF 文件的页面范围中提取图像。 为了做到这一点，你需要将 StartPage 和 EndPage 属性设置为你想要提取图像的页面范围。 首先，您需要创建一个 PdfExtractor 类的对象，并使用 BindPdf 方法绑定输入的 PDF 文件。 其次，您必须设置 StartPage 和 EndPage 属性。 之后，调用 ExtractImage 方法将所有图像提取到内存中。一旦图像被提取，你可以借助 HasNextImage 和 GetNextImage 方法获取这些图像。你需要使用 while 循环遍历所有提取的图像。你可以选择将图像保存到磁盘或流中。你只需调用 GetNextImage 方法的适当重载。以下代码片段展示了如何从 PDF 的页面范围中提取图像到流中。

public static void ExtractImagesRangePages()
{
    // 打开输入 PDF
    PdfExtractor pdfExtractor = new PdfExtractor();
    pdfExtractor.BindPdf(_dataDir + "sample_cats_dogs.pdf");

    // 设置 StartPage 和 EndPage 属性为你想要提取图像的页码
    pdfExtractor.StartPage = 2;
    pdfExtractor.EndPage = 2;

    // 提取图像
    pdfExtractor.ExtractImage();
    // 获取提取的图像
    while (pdfExtractor.HasNextImage())
    {
        // 将图像读入内存流
        MemoryStream memoryStream = new MemoryStream();
        pdfExtractor.GetNextImage(memoryStream);

        // 写入磁盘，如果你愿意，或者以其他方式使用它。
        FileStream fileStream = new
        FileStream(_dataDir + DateTime.Now.Ticks.ToString() + "_out.jpg", FileMode.Create);
        memoryStream.WriteTo(fileStream);
        fileStream.Close();
    }
}

提取图像使用图像提取模式（Facades）

PdfExtractor 类允许您从 PDF 文件中提取图像。 Aspose.PDF 支持两种提取模式；第一种是 ActuallyUsedImage，它提取实际用于 PDF 文档中的图像。 第二种模式是 DefinedInResources，用于提取在 PDF 文档资源中定义的图像（默认提取模式）。 First, you need to create an object of PdfExtractor class and bind input PDF file using BindPdf method.

首先，您需要创建一个 PdfExtractor 类的对象，并使用 BindPdf 方法绑定输入的 PDF 文件。 在此之后，使用 PdfExtractor.ExtractImageMode 属性指定图像提取模式。然后调用 ExtractImage 方法，根据您指定的模式将所有图像提取到内存中。一旦图像被提取，您可以借助 HasNextImage 和 GetNextImage 方法获取这些图像。您需要使用 while 循环遍历所有提取的图像。为了将图像保存到磁盘，您可以调用 GetNextImage 方法的重载，该方法将文件路径作为参数。

以下代码片段向您展示了如何使用 ExtractImageMode 选项从 PDF 文件中提取图像。

public static void ExtractImagesImageExtractionMode()
{
    // 打开输入 PDF
    PdfExtractor extractor = new PdfExtractor();
    extractor.BindPdf(_dataDir + "sample_cats_dogs.pdf");

    // 指定图像提取模式
    //extractor.ExtractImageMode = ExtractImageMode.ActuallyUsed;
    extractor.ExtractImageMode = ExtractImageMode.DefinedInResources;

    // 基于图像提取模式提取图像
    extractor.ExtractImage();

    // 获取所有提取的图像
    while (extractor.HasNextImage())
    {
        extractor.GetNextImage(_dataDir + DateTime.Now.Ticks.ToString() + "_out.png", System.Drawing.Imaging.ImageFormat.Png);
    }
}

检查 PDF 是否包含文本或图像请使用以下代码片段：

public static void CheckIfPdfContainsTextOrImages()
{
    // 实例化一个内存流对象以保存从文档中提取的文本
    MemoryStream ms = new MemoryStream();
    // 实例化 PdfExtractor 对象
    PdfExtractor extractor = new PdfExtractor();

    // 将输入 PDF 文档绑定到提取器
    extractor.BindPdf(_dataDir + "FilledForm.pdf");
    // 从输入 PDF 文档中提取文本
    extractor.ExtractText();
    // 将提取的文本保存到一个文本文件中
    extractor.GetText(ms);
    // 检查内存流的长度是否大于或等于 1

    bool containsText = ms.Length >= 1;

    // 从输入 PDF 文档中提取图像
    extractor.ExtractImage();

    // 在 while 循环中调用 HasNextImage 方法。当图像提取完毕时，循环将退出
    bool containsImage = extractor.HasNextImage();

    // 现在找出这个 PDF 是仅包含文本、仅包含图像，还是两者都包含

    if (containsText && !containsImage)
        Console.WriteLine("PDF 仅包含文本");
    else if (!containsText && containsImage)
        Console.WriteLine("PDF 仅包含图像");
    else if (containsText && containsImage)
        Console.WriteLine("PDF 包含文本和图像");
    else if (!containsText && !containsImage)
        Console.WriteLine("PDF 既不包含文本也不包含图像");
}