Python-如何识别PDF中的图像？

问题描述

如何在不使用外部工具的情况下识别 PDF 中的图像？我正在寻找一种从头开始构建图像提取器的方法。

解决方法

每当您想从头开始实现某些东西时（例如，因为您需要一个洁净室实现）并且您不想作弊（即从现有项目中复制），您所要做的就是规范。

如果是 ISO 32000-2 的 pdf，或者 - 如果仅支持 pdf 1.x 版本就足够了 - ISO 32000-1。

对于后者，Adobe 提供了一个免费的副本，其中仅删除了 ISO 标头，只需在谷歌上搜索“PDF32000”。

您可能需要其他规范，因为 pdf 允许嵌入某些其他图像格式。您会发现 ISO 规范中引用了它们。