count images en pdf en utilisant pdfbox

Question

J'ai besoin d'extraire le texte d'un pdf pour valider un certain contenu et compter le nombre d'images dans le document pdf en utilisant java. Je peux obtenir le contenu du texte sans problèmes en utilisant la fonction getText ci-dessous, mais ne peux pas trouver un moyen de compter uniquement sur les objets image. J'ai été en mesure d'obtenir un compte de tous les objets en utilisant le code ci-dessous, mais je ne trouve pas de doco sur la façon de ne compter que les images. Toutes les idées seraient très appréciées. Merci

static String getText(File pdfFile) throws IOException { 
    PDDocument doc = PDDocument.load(pdfFile); 
    return new PDFTextStripper().getText(doc); 
} 

static void countImages(File pdfFile) throws IOException{ 

    PDDocument doc = PDDocument.load(pdfFile); 
    List myObjects = doc.getDocument().getObjects(); 
    System.out.println("Count: " + myObjects.size()); 
    doc.close(); 

} 

Answer 1

Une solution rapide et sale pourrait ressembler à ceci:

static void countImages(File pdfFile) throws IOException{ 
    PDDocument doc = PDDocument.load(pdfFile); 
    PDResources res = doc.getDocumentCatalog().getPages().getResources(); 

    int numImg = 0; 
    for (PDXObject xobject : res.getXObjects().values()) { 
     if (xobject instanceof PDXObjectImage) { 
      numImg++; 
     } 
    } 
    System.out.println("Count: " + numImg); 

    doc.close(); 
} 

Answer 2

Cela devrait faire l'affaire:

public static void main(String[] args) throws IOException { 
    PDDocument document = PDDocument.load(new File("")); 

    int numImages = 0; 
    for (int i = 0; i < document.getNumberOfPages(); i++) 
    { 
     PDPage page = document.getPage(i); 

     CountImages countImages = new CountImages(page); 
     countImages.processPage(page); 

     numImages += countImages.numImages; 
    } 

    System.out.println(numImages); 
} 

static class CountImages extends PDFGraphicsStreamEngine { 
    public int numImages = 0; 
    private final Set<COSStream> duplicates = new HashSet<>(); 

    protected CountImages(PDPage page) throws IOException 
    { 
     super(page); 
    } 

    @Override 
    public void appendRectangle(Point2D pd, Point2D pd1, Point2D pd2, Point2D pd3) throws IOException { 
    } 

    @Override 
    public void drawImage(PDImage pdImage) throws IOException { 
     if (pdImage instanceof PDImageXObject) { 
      PDImageXObject xobject = (PDImageXObject)pdImage; 

      if (duplicates.contains(xobject.getCOSObject()) == false) { 
       numImages++; 
       duplicates.add(xobject.getCOSObject()); 
      } 
     } else { 
      numImages++; //means its an inline image 
     } 
    } 

    @Override 
    public void clip(int i) throws IOException { 
    } 

    @Override 
    public void moveTo(float f, float f1) throws IOException { 
    } 

    @Override 
    public void lineTo(float f, float f1) throws IOException { 
    } 

    @Override 
    public void curveTo(float f, float f1, float f2, float f3, float f4, float f5) throws IOException { 
    } 

    @Override 
    public Point2D getCurrentPoint() throws IOException { 
     return new Point2D.Float(0, 0); 
    } 

    @Override 
    public void closePath() throws IOException { 
    } 

    @Override 
    public void endPath() throws IOException { 
    } 

    @Override 
    public void strokePath() throws IOException { 
    } 

    @Override 
    public void fillPath(int i) throws IOException { 
    } 

    @Override 
    public void fillAndStrokePath(int i) throws IOException { 
    } 

    @Override 
    public void shadingFill(COSName cosn) throws IOException { 
    } 
}