Extrair imagens de documentos usando Java

Se você tem um documento e deseja usar as imagens dentro desse documento em alguns outros documentos, aqui está uma das soluções. Neste artigo, aprenderemos a extrair imagens programaticamente de documentos PDF, Excel, PowerPoint e Word usando Java.

• API Java de extração de imagem
• Extração de imagem de documentos PDF em Java
• Extrair imagens de documentos do Word, Excel, PowerPoint em Java
• Extrair imagem de página específica em Java

API Java de extração de imagem

Para a extração das imagens, usaremos GroupDocs.Parser for Java. Essa API Java oferece suporte à análise de documentos e extração de imagens, texto e metadados de documentos de processamento de texto, planilhas, apresentações, arquivos , e e-mail documentos. A seguir estão os formatos de documento suportados pela API Java para extração de imagem.

Antes de começar com os exemplos abaixo, recomendo configurar o ambiente baixando a versão mais recente da API Java de análise de documentos da seção de downloads ou você pode definir as seguintes configurações em seu *baseado em maven * aplicativos java:

<repository>
	<id>GroupDocsJavaAPI</id>
	<name>GroupDocs Java API</name>
	<url>http://repository.groupdocs.com/repo/</url>
</repository>
<dependency>
	<groupId>com.groupdocs</groupId>
	<artifactId>groupdocs-parser</artifactId>
	<version>20.8</version> 
</dependency>

Extraia imagens de documentos PDF em Java

Siga estes passos simples para obter todas as imagens do documento PDF.

1. Instancie o objeto de classe Parser.
2. Chame o método getImages da classe Parser para obter todas as imagens.
3. Itere sobre imagens usando PageImageArea.
4. Salve imagens usando o método save de PageImageArea.

Está feito. Veja o código completo abaixo. As imagens extraídas podem ser salvas nos formatos BMP, GIF, JPEG, PNG e WebP.

// Extraia imagens de documentos do Word, Excel, PowerPoint, PDF programaticamente usando GroupDocs.Parser for Java
try (Parser parser = new Parser("path/document.pdf")) {
	// Extrair imagens
	Iterable<PageImageArea> images = parser.getImages();

	// Crie as opções para salvar imagens no formato PNG
	ImageOptions options = new ImageOptions(ImageFormat.Png);
	int imageNumber = 0;

	// Iterar sobre imagens e salvar
	for (PageImageArea image : images) {
		// Imprima o índice de página, retângulo e tipo de arquivo de imagem:
		System.out.println(String.format("Page: %d, R: %s, Type: %s", image.getPage().getIndex(), 
				image.getRectangle(), image.getFileType()));
		image.save(String.format("filesPath/image_%d.png", imageNumber), options);
		imageNumber++;
	}
}

Estas são as imagens recuperadas do documento PDF usando o código acima.

Extraia imagens de arquivos do Word, Excel, PowerPoint em Java

Da mesma forma, todas as imagens podem ser retiradas dos arquivos de processamento de texto, planilhas, apresentações, com a base de código inalterada. O que você tem que mudar? Apenas o caminho do documento de origem e a extensão de arquivo correta.

Parser parser = new Parser("path/document.docx") // Word Document
// Parser parser = new Parser("path/document.xlsx") // Excel Spreadsheet
// Parser parser = new Parser("path/document.pptx") // PowerPoint Presentation
// Parser parser = new Parser("path/document.pdf") // PDF Document

Extração de imagem de página de documento específica em Java

Se você não deseja extrair todas as imagens de todo o documento, mas de alguma página específica. O código abaixo demonstra como podemos extrair imagens de uma determinada página do documento em Java.

// Extraia imagens de uma página específica do Word, Excel, PowerPoint, PDF em Java usando GroupDocs.Parser
try (Parser parser = new Parser("path/document.pdf"")) {
	// Obtenha as informações do documento
	IDocumentInfo documentInfo = parser.getDocumentInfo();

	// Crie as opções para salvar imagens no formato PNG
	ImageOptions options = new ImageOptions(ImageFormat.Jpeg);
	int imageNumber = 0;

	// Iterar nas páginas
	for (int pageIndex = 0; pageIndex < documentInfo.getPageCount(); pageIndex++) {
		// Imprimir números de página
		System.out.println(String.format("Page %d/%d", pageIndex + 1, documentInfo.getPageCount()));

		// Iterar sobre imagens - Ignorando NULL-Checking nos exemplos
		for (PageImageArea image : parser.getImages(pageIndex)) {
			// Imprimir informações de imagem e salvar arquivo
			System.out.println(String.format("R: %s, Text: %s", image.getRectangle(), image.getFileType()));
			image.save(String.format("filesPath/image_%d.jpeg", imageNumber), options);
			imageNumber++;
		}
	}
}

Conclusão

Hoje, aprendemos como extrair imagens de todo o documento e da página específica de documentos de processamento de texto, planilhas, apresentações e PDF em Java. Não há diferença no código se tivermos que extrair imagens dos arquivos de diferentes formatos de arquivo. Só temos que passar o caminho e o nome certos. É isso.

Veja também

• Extrair imagens de documentos em C#
• Extrair imagens de documentos na nuvem usando Python