使用pdfbox,为什么可以提取文本,但不能提取图像

Using pdfbox, why text can be extracted, but not image(使用pdfbox,为什么可以提取文本,但不能提取图像)

本文介绍了使用pdfbox,为什么可以提取文本,但不能提取图像的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

问题描述

我正在使用pdfbox从pdf中提取图像和文本。我有以下提取文本的代码:
 PDFTextStripper p = new PDFTextStripper();
 String thistext=p.getText(document);

,它正确地提取文本。然而,当我尝试使用ExtractImages类从同一个pdf中提取图像时,生成的图像是pdf的所有页面,而不是实际的图像。这是因为pdf可能是扫描的副本吗?如果这是真的,为什么提取文本?

推荐答案

我认为它被扫描这一事实是您的问题。虽然我见过扫描的PDF检测文本(并使其可突出显示),但它仍然是一幅图像。要检验这一假设,我会尝试使用已知良好的PDF,例如this one。

这篇关于使用pdfbox,为什么可以提取文本,但不能提取图像的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!

本文标题为:使用pdfbox,为什么可以提取文本,但不能提取图像

基础教程推荐