Vb.net itextsharp无法处理msoffice应用程序转换的pdf

我很困惑，为什么iTextsharp无法读取或从pdf（从msword、excel、powerpoint转换的pdf）获取图像

---

下面是我所做的，我打开了msword文件，然后将msword文件转换为pdf，然后使用iTextsharp读取pdf文件，它无法识别pdf文件是否有图像或形状

我也试着从powerpoint转换成pdf，然后读取pdf文件，但它也不读取图像

代码如下： 图片下方…已编辑

这是无法提取的图像：

这是我不久前测试的图像，很好，我不知道为什么另一个图像不能被检测到，或者它有错误。

现在，我将代码更改为： 但也检测不到它的一个图像上的圆形

---

当前代码未找到或提取这些形状的原因：

笑脸图像和花朵图像在本质上完全不同：花朵图像是存储在PDF中的位图图像，作为子类型/image的/XObject（外部对象），而笑脸是存储在PDF中的向量图像，作为页面内容流的一部分（不一定是连续的）路径定义和绘图操作的顺序

您的代码只搜索作为外部对象存储的位图图像，而且它的搜索方式有些复杂：它首先使用低级方法扫描图像xobject，并且只有在找到这样的xobject时，才使用iText高级提取功能。如果它一开始只使用iText图像提取功能，那么它就不会那么复杂，同时它还可以识别内联位图图像

你可能想看一下第15章，尤其是其中的一章。虽然该代码的灵感可以改进您当前的代码，但它不会帮助您解决手头的问题

使用iText:

不幸的是，你的问题并不完全清楚你实际上想要实现什么

您是否只需要检测某个页面上是否有图像（位图或矢量图形）

您是否需要有关图像的一些信息，例如页面上的大小或位置

或者你真的想提取图像

虽然使用上述iText高级提取功能可以很容易地实现位图图形的这些目标，但对于矢量图形来说，实现这些目标相当困难

对于通用PDF，它们实际上不可能实现，因为单个图形的绘制操作不需要在一起，更糟糕的是，对于同一页上的不同图形，对于页面上的下划线，绘制操作不需要在一起，对于其他图形效果，它们甚至可能以看似随机的顺序混合在一大堆操作中

不过，在您的情况下，您有一个优势：Office似乎可以正确地标记PDF中的数字。这至少使得检测页面上不同（即不同标记）矢量图形的数量变得容易，并且还允许区分哪个绘图操作属于哪个图形

因此，这里有一些关于如何实现上面提到的PDF目标的建议，这些PDF标记为您的示例PDF。因为我自己没有使用VB，所以我没有示例代码。但是，正如示例代码所示，您已经知道如何遵循对象引用以及如何解释PDF对象信息，这些指针应该足以说明方法

1。检测某个页面上是否有图像。

当页面内容被标记时，只需从文档目录中的/StructTreeRoot条目开始扫描结构层次结构即可（使用

PdfReader.Catalog，

在其中选择

PdfName.StructTreeRoot

的值，并深入研究）

例如，对于示例的第1页（PDF对象4 0中）（顶部为“1233”，下面为笑脸），您将发现一个包含字典的数组：

<<
  /Pg 4 0 R
  /K [0]
  /S /P
  /P 24 0 R
>>

此部分位于/MCID 1的BDC和EMC之间，包含您寻求的图形操作。如果你想得到他们所代表的图形的一些信息，你必须对他们进行分析

这是一个关于所有这些的非常低级的视图，可能需要一个更高级的API来检索它

iText确实有一个高级API，用于使用

parser

namespace类

PdfReaderContentParser

以及一些类似

ImageInfoTextExtractionStrategy的apropos
RenderListener
实现的文本和位图图像处理的类似操作。

但不幸的是，

PdfReaderContentParser

尚未正确预处理向量图形相关运算符

因此，要使用iText实现这一点，您必须扩展底层的

PdfContentStreamProcessor

，以添加缺少的预处理（这是可以做到的，因为该解析器类使用单独的侦听器来实现各个操作，并且您可以轻松地为图形操作符注册新的侦听器）；或者您必须检索页面内容并自己解析

3。正在提取图像。

由于PDF中的矢量图像使用特定于PDF的矢量图形操作符，因此首先必须确定要导出图像的格式。除非您对原始PDF操作符感兴趣，否则您很可能需要一些库来帮助您创建所需格式的文件

---

一旦确定，您首先按照前面的说明提取有问题的图形操作符，然后将它们提供给该库，以创建您选择的可导出图像。

当前代码未找到或提取这些形状的原因：

笑脸形象和花朵形象在本质上是完全不同的

<<
  /Pg 4 0 R
  /K [0]
  /S /P
  /P 24 0 R
>>

<<
  /Pg 4 0 R
  /K [1]
  /Alt   ()
  /S /Figure
  /P 22 0 R
>>

/P <</MCID 1>> BDC 0.31 0.506 0.741 rg
108.6 516.6 m
108.6 569.29 160.18 612 223.8 612 c
287.42 612 339 569.29 339 516.6 c
339 463.91 287.42 421.2 223.8 421.2 c
160.18 421.2 108.6 463.91 108.6 516.6 c
h
f*
[...]
108.6 516.6 m
108.6 569.29 160.18 612 223.8 612 c
287.42 612 339 569.29 339 516.6 c
339 463.91 287.42 421.2 223.8 421.2 c
160.18 421.2 108.6 463.91 108.6 516.6 c
h
S
EMC