使用golang实现PDF图片提取
<div id="navCategory"><h5 class="catalogue">目录</h5><ul class="first_class_ul"><li><a href="#_label0">它是怎么工作的</a></li><li><a href="#_label1">用起来有多爽</a></li><li><a href="#_label2">技术小彩蛋</a></li><li><a href="#_label3">快来试试吧</a></li><li><a href="#_label4">完整代码（直接复制就能用！）</a></li></ul></div><p>““PDF 里的图，难道只能看不能拿？””</p><p>—— 别急，今天教你用 Go 写个"“图片提取器”"，把 PDF 里的图统统打包带走！</p>
<p>你有没有遇到过这种情况：</p>
<ul><li>看到一份超赞的 PDF 报告，里面的图表清晰又专业，想保存下来做参考？</li><li>老师发的课件里有张神图，但右键不能保存，复制还糊成马赛克？</li><li>想批量提取 PDF 中的所有插图，却只能一张张截图？</li></ul>
<p>别慌！今天我们就用 Go 语言 + pdfcpu 库，手搓一个超实用的 PDF 图片提取工具，一键把 PDF 里的所有图片“扒”出来，整齐码好，命名清晰，绝不手软！</p>
<p class="maodian"><a name="_label0"></a></p><h2>它是怎么工作的</h2>
<p>简单来说，这个工具干了三件事：</p>
<ul><li>读 PDF：用 pdfcpu 库解析 PDF 文件结构。</li><li>找图片：遍历每一页，找出所有嵌入的图像对象（不管是 JPG、PNG 还是其他格式）。</li><li>存图片：把每张图按 名称-页码-对象ID.格式 的规则命名，存到你指定的文件夹里。</li></ul>
<p>小知识：PDF 里的图片其实是“嵌入对象”，每个都有唯一 ID 和所属页码。我们就是靠这些信息精准定位每张图！</p>
<p class="maodian"><a name="_label1"></a></p><h2>用起来有多爽</h2>
<p>假设你有个文件叫 report.pdf，只需一行命令：</p>
<div class="jb51code"><pre class="brush:bash;">extractimages report.pdf
</pre></div>
<p>它就会自动创建一个叫 report.pdf.images 的文件夹，里面是这样的：</p>
<blockquote><p>chart-5-42.jpg<br />diagram-12-108.png<br />image-3-17.jpg<br />...</p></blockquote>
<p>想换个目录？加个 -o 就行：</p>
<div class="jb51code"><pre class="brush:bash;">extractimages -o my_pics report.pdf
</pre></div>
<p>连帮助都贴心准备好了：</p>
<div class="jb51code"><pre class="brush:bash;">extractimages --help
</pre></div>
<p class="maodian"><a name="_label2"></a></p><h2>技术小彩蛋</h2>
<p>用 unsafe “偷看”私有字段：pdfcpu.Image 的内部字段是私有的，但我们用 unsafe.Pointer 强行转成自定义结构体 MyImage，就能拿到图片名、页码、对象</p>
<p>ID等关键信息！（别怕，这在 Go 里是合法“黑科技”）</p>
<p>自动防重名：如果文件名冲突，自动加上时间戳，绝不覆盖！</p>
<p>智能默认输出目录：不指定 -o？没问题，自动用 PDF文件名.images 当文件夹！</p>
<p class="maodian"><a name="_label3"></a></p><h2>快来试试吧</h2>
<p>只要你会装 Go，三步搞定：</p>
<p>安装依赖：</p>
<div class="jb51code"><pre class="brush:bash;">go mod init extractimages
go get github.com/pdfcpu/pdfcpu
</pre></div>
<p>把下面的代码保存为 main.go</p>
<p>编译运行：</p>
<div class="jb51code"><pre class="brush:bash;">go build -o extractimages main.go
./extractimages your_file.pdf
</pre></div>
<p>从此，PDF 再也不是图片的"监 狱"——而是你的"图库仓库"！</p>
<p class="maodian"><a name="_label4"></a></p><h2>完整代码（直接复制就能用！）</h2>
<div class="jb51code"><pre class="brush:go;">package main
import (
"flag" // 用于处理命令行参数
"fmt" // 用于格式化输出
"io" // 提供基础的I/O接口
"log" // 提供日志功能
"os" // 提供操作系统功能接口
"path/filepath" // 用于处理文件路径
"strings" // 提供字符串处理函数
"time" // 用于计时和时间戳
"unsafe" // 用于不安全的内存操作
"github.com/pdfcpu/pdfcpu/pkg/api" // pdfcpu库的API接口
"github.com/pdfcpu/pdfcpu/pkg/pdfcpu" // pdfcpu库的核心功能
)
// MyImage 是对pdfcpu.Image的封装，用于访问图片的详细信息
type MyImage struct {
io.Reader// 嵌入的Reader接口，用于读取图片数据
Name string // 图片名称
FileType string // 文件类型（如jpg、png等）
PageNr int // 图片所在的PDF页码
ObjNr int // 图片在PDF中的对象编号
}
// 全局变量，用于统计提取的图片数量
var extractedImagesCount int
// main 程序入口函数
func main() {
// 设置日志格式
log.SetFlags(log.Ldate | log.Ltime | log.Lshortfile)
log.Println("PDF图片提取工具启动")
// 解析命令行参数
var help bool
var outputDir string
flag.BoolVar(&help, "h", false, "显示帮助信息")
flag.BoolVar(&help, "help", false, "显示帮助信息")
flag.StringVar(&outputDir, "o", "", "指定输出图片的目录")
flag.StringVar(&outputDir, "output", "", "指定输出图片的目录")
flag.Parse()
// 获取剩余的非选项参数（即PDF文件路径）
args := flag.Args()
if help || len(args) < 1 {
showHelp()
return
}
// 获取PDF文件的绝对路径
pdfFilename, err := filepath.Abs(args)
if err != nil {
log.Fatalf("获取文件绝对路径失败: %v", err)
}
// 检查文件是否存在
if _, err := os.Stat(pdfFilename); os.IsNotExist(err) {
log.Fatalf("PDF文件不存在: %s", pdfFilename)
}
// 检查文件扩展名是否为pdf
if !strings.HasSuffix(strings.ToLower(pdfFilename), ".pdf") {
log.Printf("警告: 文件扩展名不是.pdf，可能不是有效的PDF文件: %s\n", pdfFilename)
}
// 确定输出目录
if outputDir == "" {
// 如果未指定输出目录，使用默认目录（PDF文件名.images）
pdfName := strings.TrimSuffix(filepath.Base(pdfFilename), ".pdf")
outputDir = pdfName + ".images"
}
// 获取输出目录的绝对路径
outputDir, err = filepath.Abs(outputDir)
if err != nil {
log.Fatalf("获取输出目录绝对路径失败: %v", err)
}
// 创建输出目录（如果不存在）
if err := os.MkdirAll(outputDir, 0755); err != nil {
log.Fatalf("创建输出目录失败: %v", err)
}
log.Printf("开始处理PDF文件: %s", pdfFilename)
log.Printf("图片将保存到目录: %s", outputDir)
startTime := time.Now()
// 打开 PDF 文件
pdfFile, err := os.Open(pdfFilename)
if err != nil {
log.Fatalf("打开PDF文件失败: %v", err)
}
// 确保程序结束时关闭文件
defer pdfFile.Close()
// 解析 PDF，将提取的图片写入指定目录
// 使用saveImageToDir函数作为回调函数处理每个提取到的图片
if err := api.ExtractImages(pdfFile, nil, saveImageToDir(outputDir), nil); err != nil {
log.Fatalf("提取图片过程中出错: %v", err)
}
elapsedTime := time.Since(startTime)
log.Printf("图片提取完成，共提取 %d 张图片，耗时: %v", extractedImagesCount, elapsedTime)
log.Printf("所有图片已保存到目录: %s", outputDir)
}
// showHelp 显示帮助信息
func showHelp() {
fmt.Println("PDF图片提取工具 - 从PDF文件中提取所有图片并保存到指定目录")
fmt.Println("\n用法:")
fmt.Println("extractimages [选项] <PDF文件路径>")
fmt.Println("\n选项:")
fmt.Println("-h, --help 显示此帮助信息")
fmt.Println("-o, --output <目录路径>指定输出图片的目录（默认: PDF文件名.images）")
fmt.Println("\n示例:")
fmt.Println("extractimages document.pdf")
fmt.Println("extractimages -o images_folder document.pdf")
fmt.Println("\n说明:")
fmt.Println("1. 程序会从指定的PDF文件中提取所有图片")
fmt.Println("2. 提取的图片将保存到指定目录或默认目录中")
fmt.Println("3. 图片文件名格式: 图片名称-页码-对象编号.文件类型")
fmt.Println("4. 如果指定的目录不存在，将自动创建")
}
// saveImageToDir 创建一个回调函数，用于将提取的图片保存到指定目录
// 参数 outputDir 是保存图片的目标目录路径
// 返回值是一个函数，该函数将在pdfcpu库提取到图片时被调用
func saveImageToDir(outputDir string) func(pdfcpu.Image, bool, int) error {
return func(img pdfcpu.Image, singleImgPerPage bool, maxPageDigits int) error {
// 使用unsafe包将pdfcpu.Image类型强制转换为MyImage类型，以便访问私有字段
myImg := (*MyImage)(unsafe.Pointer(&img))
// 处理空文件名的情况
name := myImg.Name
if name == "" {
name = "image"
}
// 处理未知文件类型的情况
fileType := myImg.FileType
if fileType == "" {
fileType = "jpg" // 默认使用jpg格式
}
// 生成图片文件名，格式为：图片名称-页码-对象编号.文件类型
filename := fmt.Sprintf("%s-%d-%d.%s", name, myImg.PageNr, myImg.ObjNr, fileType)
// 生成完整的文件路径
filePath := filepath.Join(outputDir, filename)
// 检查文件是否已存在，如果存在则添加时间戳
if _, err := os.Stat(filePath); err == nil {
timestamp := time.Now().Format("20060102_150405")
filename = fmt.Sprintf("%s-%d-%d_%s.%s", name, myImg.PageNr, myImg.ObjNr, timestamp, fileType)
filePath = filepath.Join(outputDir, filename)
log.Printf("图片文件已存在，将使用新文件名: %s", filename)
}
// 创建目标文件
outFile, err := os.Create(filePath)
if err != nil {
log.Printf("创建图片文件失败: %v", err)
return err
}
// 确保文件关闭
defer outFile.Close()
// 将图片数据写入文件
n, err := io.Copy(outFile, img.Reader)
if err != nil {
log.Printf("写入图片数据失败: %v", err)
return err
}
// 增加统计计数
extractedImagesCount++
// 输出成功处理的图片文件名和大小
log.Printf("成功提取图片 #%d: %s (大小: %d 字节)", extractedImagesCount, filename, n)
return nil
}
}
</pre></div>
<p>从此 PDF 里的图，都是你的！</p>
<p>快去试试吧，说不定下一个被你提取到的，就是价值千金的设计图呢～</p>
頁:
[1]