java错误:org。阿帕奇。pdfbox。pdmodel。图样xobject。无法将PDXObjectForm强制转换为组织。阿帕奇。pdfbox。pdmodel。图样xobject。PDXObjectImage
我正在尝试使用pdfbox从pdf中提取图像。我从这个post那里得到了帮助。它对一些PDF有效,但对其他/大多数PDF无效。例如,我无法提取这个file中的数字
在做了一些研究之后,我发现PDR资源。getImages已被弃用。所以,我在使用PDR资源。GetXObject()。因此,我无法从PDF中提取任何图像,而是在控制台上获取以下消息:
org.apache.pdfbox.pdmodel.graphics.xobject.PDXObjectForm cannot be cast to org.apache.pdfbox.pdmodel.graphics.xobject.PDXObjectImage
现在我陷入困境,无法找到解决办法。如果有人能帮忙,请帮忙
//更新为评论回复///
我使用的是pdfbox-1.8.10
以下是代码:
public void getimg ()throws Exception {
try {
String sourceDir = "C:/Users/admin/Desktop/pdfbox/mypdfbox/pdfbox/inputs/Yavaa.pdf";
String destinationDir = "C:/Users/admin/Desktop/pdfbox/mypdfbox/pdfbox/outputs/";
File oldFile = new File(sourceDir);
if (oldFile.exists()){
PDDocument document = PDDocument.load(sourceDir);
List<PDPage> list = document.getDocumentCatalog().getAllPages();
String fileName = oldFile.getName().replace(".pdf", "_cover");
int totalImages = 1;
for (PDPage page : list) {
PDResources pdResources = page.getResources();
Map pageImages = pdResources.getXObjects();
if (pageImages != null){
Iterator imageIter = pageImages.keySet().iterator();
while (imageIter.hasNext()){
String key = (String) imageIter.next();
Object obj = pageImages.get(key);
if(obj instanceof PDXObjectImage) {
PDXObjectImage pdxObjectImage = (PDXObjectImage) obj;
pdxObjectImage.write2file(destinationDir + fileName+ "_" + totalImages);
totalImages++;
}
}
}
}
} else {
System.err.println("File not exist");
}
}
catch (Exception e){
System.err.println(e.getMessage());
}
}
///部分解/////
我已经解决了错误消息的问题。我也在帖子中更新了正确的代码。然而,问题依然存在。我仍然无法从几个文件中提取图像。就像我在这篇文章中提到的那个。这方面的任何解决方案
# 1 楼答案
原始代码的第一个问题是,XObject可以是PDXObjectImage或PDXObjectForm,因此需要检查实例。第二个问题是,代码不会递归遍历PDXObjectForm,表单也可以有资源。第三个问题(仅在1.8中)是使用getResources()而不是findResources(),getResources()不会检查更高级别
1.8的代码可以在这里找到: https://svn.apache.org/viewvc/pdfbox/branches/1.8/pdfbox/src/main/java/org/apache/pdfbox/ExtractImages.java?view=markup
可在此处找到2.0的代码: https://svn.apache.org/viewvc/pdfbox/trunk/tools/src/main/java/org/apache/pdfbox/tools/ExtractImages.java?view=markup&sortby=date
(即使这些也不总是完美的,see this answer)
第四个问题是,您的文件根本没有任何XObject。所有的“图形”都是矢量图,不能像嵌入的图像那样“提取”。你所能做的就是convert the PDF pages to images,然后标记并切割你需要的东西