Extrair imagens de documentos PDF em Java

Extrair imagens de arquivos PDF é uma necessidade frequente ao construir pipelines de processamento de documentos, especialmente quando você precisa reutilizar gráficos para miniaturas, relatórios ou análises adicionais. GroupDocs.Parser Cloud SDK for Java fornece uma API simples que permite extrair todas as imagens incorporadas de um PDF com apenas algumas linhas de código. Este guia orienta você na configuração do SDK, na execução de um exemplo de código completo, no uso do cURL para a mesma tarefa e na aplicação de boas práticas para garantir a extração confiável de imagens de PDFs.

Extrair Imagens de Documentos PDF em Java em 5 Etapas

Configure as credenciais da API: Crie um objeto Configuration e defina seu ID de cliente e segredo.

Configuration config = new Configuration();
config.setClientId("YOUR_CLIENT_ID");
config.setClientSecret("YOUR_CLIENT_SECRET");

Inicializar a API Parser: Crie um ApiClient com a configuração e instancie ParserApi.

ApiClient apiClient = new ApiClient(config);
ParserApi parserApi = new ParserApi(apiClient);

Construa a solicitação de extração de imagens: Especifique o caminho do arquivo PDF usando FileInfo e crie um ExtractImagesRequest.

String inputFilePath = "input.pdf";
ExtractImagesRequest request = new ExtractImagesRequest()
        .setFileInfo(new FileInfo().setFilePath(inputFilePath));

Execute a extração e recupere as imagens: Chame extractImages e obtenha a lista de objetos Image.

ImagesResult imagesResult = parserApi.extractImages(request);
List<Image> images = imagesResult.getImages();

Salve cada imagem no armazenamento local: Percorra a coleção e grave os dados binários em arquivos.

for (int i = 0; i < images.size(); i++) {
    Image img = images.get(i);
    String outputFileName = "extracted_image_" + (i + 1) + "_" + img.getFileName();
    try (FileOutputStream fos = new FileOutputStream(outputFileName)) {
        fos.write(img.getData());
    }
    System.out.println("Saved image: " + outputFileName);
}

Para mais detalhes sobre cada classe, consulte a referência oficial da API.

Exemplo de Código Completo: Extrair Imagens de Documentos PDF em Java Usando GroupDocs.Parser

O exemplo a seguir demonstra o fluxo de trabalho completo, desde a configuração das credenciais até a gravação da imagem.

import com.groupdocs.parser.cloud.ApiClient;
import com.groupdocs.parser.cloud.Configuration;
import com.groupdocs.parser.cloud.api.ParserApi;
import com.groupdocs.parser.cloud.model.FileInfo;
import com.groupdocs.parser.cloud.model.Image;
import com.groupdocs.parser.cloud.model.ImagesResult;
import com.groupdocs.parser.cloud.model.requests.ExtractImagesRequest;

import java.io.FileOutputStream;
import java.util.List;

public class ExtractImagesFromPdf {
    public static void main(String[] args) {
        // Configure API credentials
        Configuration config = new Configuration();
        config.setClientId("YOUR_CLIENT_ID");
        config.setClientSecret("YOUR_CLIENT_SECRET");
        // config.setBaseUrl("https://api.groupdocs.cloud"); // optional, if needed

// Initialize API client and Parser API
        ApiClient apiClient = new ApiClient(config);
        ParserApi parserApi = new ParserApi(apiClient);

// Path to the PDF file stored in GroupDocs Cloud storage
        String inputFilePath = "input.pdf";

// Build request for image extraction
        ExtractImagesRequest request = new ExtractImagesRequest()
                .setFileInfo(new FileInfo().setFilePath(inputFilePath));

try {
            // Perform extraction
            ImagesResult imagesResult = parserApi.extractImages(request);
            List<Image> images = imagesResult.getImages();

// Save each extracted image to local disk
            for (int i = 0; i < images.size(); i++) {
                Image img = images.get(i);
                String outputFileName = "extracted_image_" + (i + 1) + "_" + img.getFileName();
                try (FileOutputStream fos = new FileOutputStream(outputFileName)) {
                    fos.write(img.getData());
                }
                System.out.println("Saved image: " + outputFileName);
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

Nota: Este exemplo de código demonstra a funcionalidade principal. Antes de usá‑lo em seu projeto, certifique‑se de atualizar quaisquer caminhos de arquivos e valores de configuração para corresponder ao seu ambiente real, verifique se todas as dependências necessárias estão devidamente instaladas e teste minuciosamente em seu ambiente de desenvolvimento. Se encontrar algum problema, consulte a documentação oficial ou entre em contato com a equipe de suporte para obter assistência.

Extração de Imagens de PDF via cURL e a API REST

Você pode obter o mesmo resultado sem escrever código Java, chamando diretamente os endpoints REST do GroupDocs.Parser Cloud.

Obtenha um token de acesso

curl -X POST "https://api.groupdocs.cloud/v2.0/connect/token" \
        -H "Content-Type: application/x-www-form-urlencoded" \
        -d "grant_type=client_credentials&client_id=YOUR_CLIENT_ID&client_secret=YOUR_CLIENT_SECRET"

Carregar o arquivo PDF

curl -X POST "https://api.groupdocs.cloud/v2.0/storage/file/upload?path=input.pdf" \
        -H "Authorization: Bearer YOUR_ACCESS_TOKEN" \
        -F "file=@/path/to/input.pdf"

Solicitar extração de imagens

curl -X POST "https://api.groupdocs.cloud/v2.0/parser/extractImages" \
     -H "Authorization: Bearer YOUR_ACCESS_TOKEN" \
     -H "Content-Type: application/json" \
     -d '{"fileInfo": {"filePath": "input.pdf"}}'

Baixar imagens extraídas (a resposta contém dados base64; você pode decodificá‑los localmente)

Para obter uma lista completa de parâmetros, consulte a documentação oficial da API.

Instalando e Configurando GroupDocs.Parser Cloud SDK para Java

Adicione a dependência Maven ao seu pom.xml (ou o trecho equivalente do Gradle).

<dependency>
    <groupId>com.groupdocs</groupId>
    <artifactId>groupdocs-parser-cloud</artifactId>
    <version>26.2</version>
</dependency>

O SDK é fornecido como uma biblioteca em nuvem; não são necessários binários locais. Faça o download do pacote mais recente na página de lançamentos. Certifique‑se de que você tem Java 8 ou superior e uma conta válida do GroupDocs Cloud com ID do cliente e segredo.

GroupDocs.Parser Cloud SDK for Java Recursos que permitem a recuperação de imagens

Extração completa de imagens PDF - Recupera todas as imagens raster e vetoriais incorporadas no documento.
Metadados para cada imagem - Retorna o nome do arquivo, tamanho, formato e número da página.
Suporte a todos os formatos de imagem comuns - PNG, JPG, BMP, GIF, TIFF, e mais.
Integração com armazenamento em nuvem - Funciona diretamente com arquivos armazenados no GroupDocs Cloud sem precisar baixá‑los primeiro.
Processamento escalável baseado em REST - Lida com PDFs grandes e cargas de trabalho de alto volume via API da nuvem.

Ajuste fino das configurações de extração de imagens

Embora a solicitação básica funcione imediatamente, você pode ajustar opções como:

Proteção por senha - Defina a propriedade password em FileInfo para PDFs criptografados.
Intervalo de páginas - Limite a extração a páginas específicas adicionando um array pages ao JSON da solicitação.
Conversão de formato de imagem - Solicite a conversão para um formato diferente especificando o tipo de saída desejado na solicitação (consulte a referência da API para os campos exatos).

Exemplo de definição de senha (extraído do código principal):

FileInfo fileInfo = new FileInfo()
        .setFilePath("protected.pdf")
        .setPassword("mySecret");

Dicas práticas para extração eficiente de imagens de PDF

Validar a existência do arquivo antes de enviar a solicitação para evitar chamadas de API desnecessárias.
Processar imagens em streams ao lidar com arquivos grandes para reduzir o consumo de memória.
Usar paginação se você precisar apenas de imagens de determinadas páginas; isso acelera a resposta.
Tratar limites de taxa da API implementando back‑off exponencial nas respostas HTTP 429.
Registrar o nome de cada arquivo salvo para simplificar a solução de problemas e auditorias.

Conclusão

Extrair imagens de documentos PDF em Java torna‑se uma tarefa simples e confiável quando você aproveita o poder do GroupDocs.Parser Cloud SDK for Java. O SDK lida com o gerenciamento de credenciais, a interação com o armazenamento em nuvem e a decodificação de imagens, permitindo que você se concentre na lógica da sua aplicação. Para implantações em produção, adquira uma licença adequada na página de preços ou obtenha uma licença temporária para avaliação. Com o exemplo de código, o guia cURL e as recomendações de melhores práticas neste artigo, você está pronto para integrar a extração de imagens de PDF em qualquer solução baseada em Java.

FAQs

Quais formatos podem ser extraídos de um PDF?
O SDK extrai formatos raster, como PNG, JPG, BMP, GIF e TIFF, bem como gráficos vetoriais quando são armazenados como imagens.
Preciso baixar o PDF antes de extrair imagens?
Não. O SDK trabalha diretamente com arquivos armazenados no armazenamento do GroupDocs Cloud, eliminando a necessidade de downloads locais.
Como o SDK lida com PDFs grandes?
A extração é realizada no lado do servidor, portanto o uso de memória na sua máquina permanece baixo. Você também pode limitar a extração a páginas específicas para melhorar o desempenho.
Existe uma maneira de testar a extração sem escrever código?
Sim, você pode usar os comandos cURL fornecidos acima ou experimentar o console interativo da API na página do produto.

Extrair Imagens de Documentos PDF em Java em 5 Etapas#

Exemplo de Código Completo: Extrair Imagens de Documentos PDF em Java Usando GroupDocs.Parser#

Extração de Imagens de PDF via cURL e a API REST#

Instalando e Configurando GroupDocs.Parser Cloud SDK para Java#

GroupDocs.Parser Cloud SDK for Java Recursos que permitem a recuperação de imagens#

Ajuste fino das configurações de extração de imagens#

Dicas práticas para extração eficiente de imagens de PDF#

Conclusão#

FAQs#

Leia Mais#