Java PdfBox 提取指定PDF页面图片

Java PdfBox 提取指定PDF页面图片

  /**
  	 * 提取指定PDF页面的图片转换为Base64的List
     * 注意：图片提取的顺序是PDF创建时图片插入的顺序
     * @param file pdf文件
     * @param startIndex
     * @param endIndex
     * @throws Exception
     */
    public static List<String> getbase64Photos(File file, int startIndex, int endIndex) {
        List<String> photos = new ArrayList<>();
        try (PDDocument document = PDDocument.load(file)) {
            //TODO 下标从0开始，所以-1
            for (int i = startIndex - 1; i < endIndex; i++) {
                PDPage pdfpage = document.getPage(i);
                // get resource of pdf
                PDResources pdResources = pdfpage.getResources();
                Iterable<COSName> xObjectNames = pdResources.getXObjectNames();
                Iterator<COSName> iterator = xObjectNames.iterator();
                while (iterator.hasNext()) {
                    PDXObject o = pdResources.getXObject(iterator.next());
                    if (o instanceof PDImageXObject) {
                        //得到BufferedImage对象
                        BufferedImage image = ((PDImageXObject) o).getImage();
                        String base64img = Base64Util.convertimgtoBase64(image);
                        // 可以打印到本地，查看输出顺序
                        //String imglocation = "C:\\CER\\AE EMC lab_Report template\\pdf img by page\\";
                        //File imgfile = new File(imglocation + StringUtil.get32UUID() + ".png");
                        //ImageIO.write(image, "png", imgfile);

                        photos.add("data:image/jpg;base64," + base64img);
                    }
                }
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
        return photos;
    }

public class Base64Util {
    public static String convertimgtoBase64(BufferedImage image) {
        String png_base64 = "";
        try (ByteArrayOutputStream baos = new ByteArrayOutputStream()) {
            ImageIO.write(image, "png", baos);//写入流中
            byte[] bytes = baos.toByteArray();//转换成字节
//            png_base64 = new BASE64Encoder().encode(bytes);//jdk1.8写法
            png_base64 = Base64.encodeBase64String(bytes);//JDK11写法
//        String png_base64 = Base64.encodeBase64String(bytes).trim();//转换成base64串
            png_base64 = png_base64.replaceAll("\n", "").replaceAll("\r", "");//删除 \r\n
        } catch (IOException e) {
            e.printStackTrace();
        }
        return png_base64;
    }
}

PdfBox提取图片的顺序是根据，插入图片的先后来提取的，如下图，分别是我在PDF中插入图片的顺序，PdfBox提取的时候也会按照这个顺序输出图片