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

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IT屋！