从PDF流中提取图像

我有一个已解码的PDF流，没有其他内容，它包含两个不同的“部分”。第一部分是文本，我可以使用概述的解释对其进行解析。然而，第二部分基本上是一个长字符串和字母

c

，

l

，

m

。下面是一个小摘录：

TJ ET BT 7.9701 0 0 7.9701 303.883 132.067 Tm /Ty18 1 Tf (1) Tj ET Q q /Cs1 cs 0 sc 217.8034 565.2423 m 216.5899 564.9437 215.4236 564.0896 214.8605 563.0871

---

我不知道如何解析它。我的第一直觉是它可能是一个图像，但到目前为止我找到的文献让我认为它是一个二进制流。有没有办法找到它是什么？

这是一系列PDF操作。

cs

设置为颜色空间（在本例中为命名颜色CS1）

sc

设置为颜色，在本例中为0（实际含义取决于颜色空间），

m

移动到，

c

为曲线到，

l

为直线到，等等。

这是一系列PDF操作。

cs

设置为颜色空间（在本例中为命名颜色CS1）

sc

设置为颜色，在本例中设置为0（实际含义取决于颜色空间），

m

是移动到，

c

是曲线到，

l

是直线到，等等。

好的，有相关文档吗？我想建立一个解析器，这样我就可以把它翻译成实际的图像。或者我可以把它插入一个空白的pdf中吗？完整的pdf规范在线提供。你说的“翻译成图像”是什么意思"? 这是一系列绘制矢量图像的指令。你更大的目标是什么？你为什么要这样做？已经有很多PDF解析器了。@benwiggy，我一直在寻找，但没有找到这方面的文档。长话短说，我能够从损坏的pdf中提取流，我能够恢复文本，但现在尝试恢复图像，这是更大的目标。谷歌搜索“pdf规范”，最热门的是Adobe的pdf规范和pdf引用，其中包含所有操作符。内联图像操作符是BI/EI，图像数据位于BI和EI之间。引用的图像操作符是Do，它前面将有一个参数，该参数将是一个名称（例如/Im0）。然后需要查看页面字典资源字典，/Xobject键将有一个字典值，该值将包含图像名称。与该名称关联的值将是一个间接引用（例如10 0 R）。然后，您需要查看外部参照（这很复杂），并在对象10的文件中找到偏移量，生成编号为0。或者搜索10个obj。好的，太棒了，有相关文档吗？我想建立一个解析器，这样我就可以把它翻译成实际的图像。或者我可以在空白的pdf中插入它吗？完整的pdf规范可以在线获得。“把它翻译成图像”是什么意思？这是一系列绘制矢量图像的指令。你更大的目标是什么？你为什么要这样做？已经有很多PDF解析器了。@benwiggy，我一直在寻找，但没有找到这方面的文档。长话短说，我能够从损坏的pdf中提取流，我能够恢复文本，但现在尝试恢复图像，这是更大的目标。谷歌搜索“pdf规范”，最热门的是Adobe的pdf规范和pdf引用，其中包含所有操作符。内联图像操作符是BI/EI，图像数据位于BI和EI之间。引用的图像操作符是Do，它前面将有一个参数，该参数将是一个名称（例如/Im0）。然后需要查看页面字典资源字典，/Xobject键将有一个字典值，该值将包含图像名称。与该名称关联的值将是一个间接引用（例如10 0 R）。然后，您需要查看外部参照（这很复杂），并在对象10的文件中找到偏移量，生成编号为0。或者搜索10 0 obj。其中概述的解释有一个简化。除非你只处理非常简单的PDF文件，否则对你没有多大帮助。除非你只处理非常简单的PDF文件，否则它不会对你有多大帮助。