用PDFBox转PDF文件为图片备忘
PDFBox自我手中有的0.8版本就有了转图片的功能,在其java org.apache.pdfbox.ExtractImages类中有具体的代码,但是没有很好的封装,似乎是用来做命令行的.
?
?例子很简单,可以运行,但是对于中文PDF就有问题了,如果用了中文字体,会报告Can't find the specified basefont的错误,原因是读取中文字体出错,其实是读取编码格式错误,导致读到的字体是乱码.解决上述问题后,还会出现会自动把英文字体的数字翻译为英语单词,空格翻译为space的问题.追了一天,发现可能是encoding的问题,反正解析的都是中文,于是去掉英文的默认encoding,终于可以输出比较正常的图片的.
要转换的文档和出问题的截图如下:
??
?
?? ?之后又出现tiff图像无法导出的问题,日志中出现"getRGBImage returned NULL"的warning,查看代码发现作者这样描述:
?
/** * Returns an image of the CCITT Fax, or null if TIFFs are not supported. (Requires additional JAI Image filters ) * * {@inheritDoc} */ public BufferedImage getRGBImage() throws IOException?? ?在对应警告的地方也写了TODO标签,说明是待完善的,主要是ImageIO-lib的授权所限,所以Appach不提供直接tiff支持.
?? ?摘录两段官网上的留言
?
Andreas Lehmkühler added a comment - 15/Apr/10 01:49 PM
The ImageIO-lib provides the missing tiff-support PDFBox needs to render such images. But unfortunately the license isn't suitable, so that we can not distribute it in combination with pdfbox. I hope sooner or later sanselan [1] will support the missing tiff support.?
[1] http://commons.apache.org/sanselan/
?
Andreas Lehmkühler added a comment - 16/Apr/10 03:42 AM
I've found another source for a possible ImageIO replacement. I've found an older posting from Jeremias. He mentioned a TIFF-decompressor within Apache XMLGraphics. That should work as builtin support for T.4 and T.6 decoded XObjects.?
[1] http://www.mail-archive.com/pdfbox-dev@incubator.apache.org/msg00932.html
?? ?JAI Image确实有效,加入后还可以把图片格式导出为tiff,但是会导致导出图片的效率很低,在开发机上大约3-5秒导出一副tiff图片,还算可以接受的范围.
//***************************************************
又发现两个问题：
1 如果图片是旋转的，会导致图片无法显示。解决方法，修改源码，处理图片时有两个地方处理了旋转图片，方法不同，但是都有问题。
2 嵌入字体时，导出为图片显示乱码，以前是导出为文字时Identity－H乱码，但是嵌入字体还OK，1.1.0后解决了，但是导出图片又出现问题，真是麻烦啊，看看到处的TODO，让人头皮发麻，这就是开源项目的无奈啊。解决，中文嵌入式字体加载存在问题。
//***************************************************
再次发现一个问题
嵌入文字中的图片位置不对（补漏洞补得好辛苦啊）。解决，是修改旋转图片代码时改错的，注意PDF的坐标系是第一象限，而不是一搬图形坐标系的第四象限。
另外发现旋转图片后老是蒙上一层粉色，很郁闷。
//***************************************************
部署到64位的2007服务器上面发现读取的字体居然和32位xp的不一样，而且仿宋体居然无法读取，只好换为宋体。
1 楼 diymaster 2010-07-22 做过一个类似的功能
将PDF文档第一页生产一张缩略图
使用了pdf-renderer
https://pdf-renderer.dev.java.net/
比较好用 但是有时会报错 生成的图片只有上面一半 2 楼 InnocentBoy 2010-07-26 pdftoimage绝对无敌。 3 楼 xiaoyangok 2010-07-28 如果是php的话，用FPDF就能非常方便的导出pdf！ 4 楼 shappy1978 2010-07-29 PDF是开源，但是问题确实相当的多
??