使用PHP从PDF中提取图像

Question

使用PHP从PDF中提取图像

phpimagepdf

12

问题是客户想要上传包含多个图像的PDF作为批处理多个图像的方式。

我已经搜索过，但PHP不能直接读取PDF文件。

我的替代选择是什么？

我已经知道主机没有安装imageMagick或任何PDF库，并且exec函数被禁用了。这基本上让我没有什么可使用的东西，难道不是吗？

有人知道是否有在线服务可以做到这一点，并带有一定的API吗？

谢谢提前。

- Richard

我提到了API，这个话题你知道吗？ - Richard

我怕你会很难让它正常工作，甚至在你提到的当前限制下可能都不可能。也许你可以说服客户将图像上传到zip文件或类似的东西中？这样至少会使处理变得更加容易！ - Rick van Bodegraven

这从未成为讨论的议题，但现在我可以提一下。我将探索Bishop给我关于削减边界的建议。 - Richard

2个回答

4

您可以使用pdfimages并按照以下方式进行安装：

apt install poppler-utils

然后使用以下方式将所有图片保存为PNG文件：

pdfimages -j mypdf.pdf image -png

图片将放置在同一文件夹下，文件名为image-000.png、image-001.png等。

有许多选项可供选择，包括更改输出格式的选项，更多信息在此处。

希望这可以帮助您！

- Bruno Leveque

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- bishop · Accepted Answer

据我所知，目前没有PHP模块能够实现此功能。但是有一个命令行工具pdfimages（属于xpdf）可以使用。以下是其使用方法供参考：

pdfimages -j source.pdf image

这将从source.pdf中提取所有图像，命名为image-000.jpg、image-001.jpg等。请注意，输出格式始终为Jpeg。

可能的选项

作为一个命令行工具，您需要使用exec（或system、passthru等PHP内置的任何命令执行函数）。由于您的环境没有这个功能，我看到了四个选项：

请求开启exec（您的托管提供商可以限制您只能执行单个命令）
更改设计 - 上传ZIP文件怎么样？
自己编写代码，以pdfimages的源代码为模板
让pdfimages完成繁重的工作，通过在您控制的远程主机上运行它

关于#3，自己编写代码，我认为为了解决非常狭窄的需求定义而编写代码并不太困难。我记得PDF中的图像边界是定义良好的：只需读入文件到边界，剪切到边界的末尾，进行base64解码，并写入文件 - 重复即可。但是，这可能太麻烦了...

如果自己制作过于复杂，那么选项 #4 就有点像 Joel Spolsky 描述的处理复杂 Excel 对象的方法（请参见粗体标题下的编号列表“让 Office 为您完成繁重的工作”）。

找到一个便宜的托管环境（例如 Amazon EC2），允许您使用 exec 和 curl
安装 pdfimages
编写一个 PHP 脚本，接受 PDF 的 URL，使用 curl 打开该 PDF，将其写入磁盘，将其传递给 pdfimages，然后返回结果图片的 URL。

一个示例交互可能如下：

GET http://www.cheaphost.com/pdfimages.php?extract=http://www.limitedhost.com/path/to/uploaded.pdf

Content-type: text/html


<html>
<body>
<ul>
<li>http://www.cheaphost.com/pdfimages.php?retrieve=ab9895v/image-000.jpg</li>
<li>http://www.cheaphost.com/pdfimages.php?retrieve=ab9895v/image-001.jpg</li>
</ul>
</body>
</html>

所以您的单个pdfimages.php脚本（在具有exec功能的主机上运行）可以提取图像并让您访问提取的图像。在提取时，它会读取您指定的PDF文件，运行pdfimages，并返回一个URL列表，以便调用以检索提取的图像。在检索时，它只会直接返回一张图像。

您需要处理清理工作，也许应该在检索后删除图像。您还需要处理安全性 - 不知道这些图像中有什么内容，但可能需要将内容包装在SSL和其他预防措施中。