从pdf提取嵌入式对象

我编写了一种蛮力方法来提取PDF中的所有流并将它们存储为没有扩展名的文件：

public static final String SRC = "resources/pdfs/image.pdf";
public static final String DEST = "results/parse/stream%s";

public static void main(String[] args) throws IOException {
    File file = new File(DEST);
    file.getParentFile().mkdirs();
    new ExtractStreams().parse(SRC, DEST);
}

public void parse(String src, String dest) throws IOException {
    PdfReader reader = new PdfReader(src);
    PdfObject obj;
    for (int i = 1; i <= reader.getXrefSize(); i++) {
        obj = reader.getPdfObject(i);
        if (obj != null && obj.isStream()) {
            PRStream stream = (PRStream)obj;
            byte[] b;
            try {
                b = PdfReader.getStreamBytes(stream);
            }
            catch(UnsupportedPdfException e) {
                b = PdfReader.getStreamBytesRaw(stream);
            }
            FileOutputStream fos = new FileOutputStream(String.format(dest, i));
            fos.write(b);
            fos.flush();
            fos.close();
        }
    }
}

请注意，我将所有作为流的PDF对象作为一个PRStream对象。我还使用两种不同的方法：

• 当我使用PdfReader.getStreamBytes(stream)iText时，它会查看过滤器。例如：页面内容流包含使用压缩的PDF语法/FlateDecode。通过使用PdfReader.getStreamBytes(stream)，您将获得未压缩的PDF语法。
• iText中不支持所有过滤器。例如/DCTDecode，这是用于在PDF内存储JPEG的过滤器。您为什么以及如何“解码”这样的流？您不会，那是当我们使用PdfReader.getStreamBytesRaw(stream)那一种方法时，您也需要从PDF中获取AVI字节。

这个例子已经为您提供了提取PDF流肯定需要的方法。现在由您来找到所需流的路径。这就需要iText RUPS。使用iText RUPS，您可以查看PDF文件的内部结构。在您的情况下，您需要按以下问题中的步骤查找批注：现有pdf的所有链接都将action属性更改为继承zoom-iText库

您遍历页面字典，然后遍历/Annots该字典的数组（如果存在），但是您不必检查/Link注解（这是我所指的问题），而是必须检查/RichMedia注解并从那里进行检查检查资产，直到找到包含AVI文件的流。RUPS将向您展示如何深入了解注释词典。