Pasos para extraer imágenes de documentos PDF en C#

1. Cargar PDF al almacenamiento de GroupDocs Cloud: Utilice StorageApi.UploadFile para colocar el PDF de origen en la nube.

var uploadRequest = new UploadFileRequest(remotePdfPath, File.ReadAllBytes(localPdfPath));
storageApi.UploadFile(uploadRequest);

Esta llamada asegura que el archivo esté accesible para el análisis.

2. Solicitar imágenes del documento: Call ParserApi.GetDocumentImages with a GetDocumentImagesRequest.

var imagesRequest = new GetDocumentImagesRequest(remotePdfPath);
ImagesResult imagesResult = parserApi.GetDocumentImages(imagesRequest);

La respuesta contiene una colección de objetos ImageInfo, cada uno con datos Base64 y metadatos. Consulte la referencia de API para obtener todos los detalles.

3. Decodificar y guardar cada imagen: Itera a través de imagesResult.Images, convierte la cadena Base64 a un arreglo de bytes y escribe el archivo en el disco.

foreach (ImageInfo imgInfo in imagesResult.Images)
{
    byte[] imageBytes = Convert.FromBase64String(imgInfo.Base64Data);
    string extension = imgInfo.FileExtension?.TrimStart('.').ToLower() ?? "bin";
    string fileName = $"extracted_page{imgInfo.PageNumber}_img{imgInfo.ImageIndex}_{imageCounter}.{extension}";
    File.WriteAllBytes(fileName, imageBytes);
}

La consola registra el nombre del archivo guardado, sus dimensiones y DPI para verificación.

4. (Opcional) Limpiar PDF remoto: Después de la extracción, puede eliminar el archivo subido para mantener el almacenamiento ordenado.

var deleteRequest = new DeleteFileRequest(remotePdfPath);
storageApi.DeleteFile(deleteRequest);

Este paso está envuelto en un bloque try‑catch para ignorar cualquier error de limpieza.

5. Revisar salida: La consola mostrará un resumen como Total images extracted: 12, confirmando la extracción exitosa.

Ejemplo completo de código: extraer imágenes de documentos PDF con GroupDocs.Parser

El siguiente ejemplo demuestra el flujo de trabajo completo descrito anteriormente. Incluye configuración, carga, extracción de imágenes, guardado y limpieza opcional.

using System;
using System.IO;
using System.Collections.Generic;
using GroupDocs.Parser.Cloud.Sdk.Api;
using GroupDocs.Parser.Cloud.Sdk.Client;
using GroupDocs.Parser.Cloud.Sdk.Model;
using GroupDocs.Parser.Cloud.Sdk.Model.Requests;

namespace ExtractImagesFromPdf
{
    class Program
    {
        static void Main(string[] args)
        {
            // Configuration – replace with your actual credentials
            var config = new Configuration
            {
                ClientId = "YOUR_CLIENT_ID",
                ClientSecret = "YOUR_CLIENT_SECRET"
            };

// APIs
            var storageApi = new StorageApi(config);
            var parserApi = new ParserApi(config);

// Input PDF path (local) and remote name in storage
            const string localPdfPath = "input.pdf";
            const string remotePdfPath = "input.pdf";

try
            {
                // -------------------------------------------------
                // 1. Upload PDF to GroupDocs Cloud storage (if not already there)
                // -------------------------------------------------
                if (!File.Exists(localPdfPath))
                    throw new FileNotFoundException($"Local file not found: {localPdfPath}");

var uploadRequest = new UploadFileRequest(remotePdfPath, File.ReadAllBytes(localPdfPath));
                storageApi.UploadFile(uploadRequest);

// -------------------------------------------------
                // 2. Retrieve document images (all pages)
                // -------------------------------------------------
                var imagesRequest = new GetDocumentImagesRequest(remotePdfPath);
                ImagesResult imagesResult = parserApi.GetDocumentImages(imagesRequest);

// -------------------------------------------------
                // 3. Save each extracted image to disk
                // -------------------------------------------------
                int imageCounter = 0;
                foreach (ImageInfo imgInfo in imagesResult.Images)
                {
                    // Image data is returned as Base64 string
                    byte[] imageBytes = Convert.FromBase64String(imgInfo.Base64Data);

// Build a descriptive file name
                    string extension = imgInfo.FileExtension?.TrimStart('.').ToLower() ?? "bin";
                    string fileName = $"extracted_page{imgInfo.PageNumber}_img{imgInfo.ImageIndex}_{imageCounter}.{extension}";
                    File.WriteAllBytes(fileName, imageBytes);

Console.WriteLine($"Saved: {fileName} ({imgInfo.Width}x{imgInfo.Height} px, {imgInfo.Resolution} DPI)");
                    imageCounter++;
                }

Console.WriteLine($"Total images extracted: {imageCounter}");
            }
            catch (ApiException apiEx)
            {
                Console.Error.WriteLine($"GroupDocs API error: {apiEx.ErrorCode} - {apiEx.Message}");
            }
            catch (Exception ex)
            {
                Console.Error.WriteLine($"Unexpected error: {ex.Message}");
            }
            finally
            {
                // -------------------------------------------------
                // 4. Optional cleanup – delete the uploaded PDF from storage
                // -------------------------------------------------
                try
                {
                    var deleteRequest = new DeleteFileRequest(remotePdfPath);
                    storageApi.DeleteFile(deleteRequest);
                }
                catch
                {
                    // Ignored – cleanup is optional
                }
            }
        }
    }
}

Nota: Este ejemplo de código demuestra la funcionalidad principal. Antes de usarlo en su proyecto, asegúrese de actualizar cualquier ruta de archivo y valores de configuración para que coincidan con su entorno real, verifique que todas las dependencias requeridas estén instaladas correctamente y pruebe exhaustivamente en su entorno de desarrollo. Si encuentra algún problema, consulte la documentación oficial o póngase en contacto con el equipo de soporte para obtener ayuda.

Extraer imágenes mediante la API REST usando cURL

La misma operación se puede realizar con llamadas REST directas. A continuación se muestra un flujo de trabajo cURL mínimo.

1. Obtener un token de acceso (OAuth 2.0 client credentials grant).

curl -X POST "https://api.groupdocs.cloud/v2.0/oauth2/token" \
     -H "Content-Type: application/x-www-form-urlencoded" \
     -d "grant_type=client_credentials&client_id=YOUR_CLIENT_ID&client_secret=YOUR_CLIENT_SECRET"

La respuesta contiene access_token.

2. Subir el PDF al almacenamiento en la nube.

curl -X PUT "https://api.groupdocs.cloud/v2.0/storage/file/input.pdf" \
     -H "Authorization: Bearer YOUR_ACCESS_TOKEN" \
     -H "Content-Type: application/pdf" \
     --data-binary "@input.pdf"

3. Solicitar imágenes para el documento cargado.

curl -X GET "https://api.groupdocs.cloud/v2.0/parser/input.pdf/images" \
     -H "Authorization: Bearer YOUR_ACCESS_TOKEN"

La respuesta JSON incluye una matriz de imágenes con base64Data, fileExtension, pageNumber, etc.

4. Guardar cada imagen localmente (ejemplo usando jq y base64).

curl -X GET "https://api.groupdocs.cloud/v2.0/parser/input.pdf/images" \
     -H "Authorization: Bearer YOUR_ACCESS_TOKEN" | \
     jq -r '.images[] | "\(.pageNumber)_\(.imageIndex).\(.fileExtension) \(.base64Data)"' | \
     while read filename b64; do
         echo "$b64" | base64 -d > "$filename"
     done

Para obtener más detalles sobre los puntos finales y los parámetros, consulte la documentación oficial de la API.

Preparando el Entorno

1. Instale la biblioteca cliente .NET a través de NuGet:

dotnet add package GroupDocs.Parser-Cloud

El paquete está disponible en la página de descarga.

2. Asegúrese de tener .NET 6.0 o una versión posterior instalado y una cuenta válida de GroupDocs Cloud con credenciales de cliente.

3. (Opcional) Clona el repositorio de ejemplo para referencia:

git clone https://github.com/groupdocs-parser-cloud/groupdocs-parser-cloud-dotnet.git

Qué hace que GroupDocs.Parser sea adecuado para la extracción de imágenes

• Recuperación directa de imágenes: La llamada GetDocumentImages devuelve imágenes en su formato original sin pasos de conversión adicionales.
• Entrega en Base64: Las imágenes se proporcionan como cadenas Base64, lo que facilita su decodificación en cualquier lenguaje.
• Metadatos a nivel de página: Cada ImageInfo incluye número de página, dimensiones, resolución e índice, lo que ayuda a organizar los recursos extraídos.
• Compatibilidad con todos los formatos raster comunes: PNG, JPEG, BMP, GIF, TIFF y más se conservan exactamente como se almacenan en el PDF.
• Procesamiento en la nube escalable: Los PDFs grandes se manejan en los servidores de GroupDocs, reduciendo la presión de memoria en su aplicación.

Configuración de opciones de extracción de imágenes

Aunque el ejemplo básico funciona sin necesidad de configuración, puedes afinar la solicitud:

• Especificar rango de páginas: Añade pages = "1-5" a GetDocumentImagesRequest para limitar la extracción.
• Establecer calidad de imagen: Usa el parámetro imageQuality (0‑100) si necesitas una salida comprimida.
• Filtrar por formato: Proporciona fileExtensions = ["png","jpeg"] para recibir solo los formatos seleccionados.

Estas opciones están documentadas en la referencia de API.

Conclusión

Extraer imágenes de documentos PDF en C# se vuelve un proceso simple y fiable cuando utilizas el GroupDocs.Parser Cloud SDK for .NET. El SDK maneja la carga, el análisis y la conversión a Base64, permitiéndote centrarte en guardar los archivos e integrarlos en tu flujo de trabajo. Recuerda asegurar tus credenciales de cliente, respetar los términos de licencia y considerar una licencia temporal para evaluación en la página de licencia temporal. Con el código y los ejemplos REST proporcionados, estás listo para añadir una extracción robusta de imágenes PDF a cualquier aplicación .NET.

Preguntas frecuentes

¿Cómo extraer imágenes de documentos PDF usando C#?
Utilice el método GetDocumentImages de la API Parser después de cargar el PDF con StorageApi.UploadFile. Decodifique las cadenas Base64 devueltas y escríbalas en el disco, como se muestra en el ejemplo de código.

¿Qué pasa si el PDF está protegido con contraseña?
Incluya la contraseña en el modelo de solicitud. El SDK descifrará el archivo antes de extraer las imágenes. Consulte la documentación para el nombre exacto de la propiedad.

¿Puedo limitar la extracción a páginas específicas?
Sí, establezca la propiedad pages en GetDocumentImagesRequest a una lista separada por comas o un rango (p. ej., "1-3,5"). La API devolverá imágenes solo de esas páginas.

¿Hay algún límite de tamaño para las imágenes extraídas?
El SDK devuelve los datos de la imagen original sin redimensionar. Si necesita archivos más pequeños, procese las imágenes guardadas usando cualquier biblioteca de procesamiento de imágenes.

Read More

• Extraer imágenes de PDF en C# .NET | API de extracción de imágenes PDF
• Extraer imágenes de documentos PDF en Java
• Extraer texto de PDF usando la API REST .NET | Convertidor de documento a texto

Extraer imágenes de documentos PDF en Java en 5 pasos

1. Configurar credenciales de API: Cree un objeto Configuration y establezca su client ID y secret.

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

2. Inicializar la API del Parser: Construya un ApiClient con la configuración e instancie ParserApi.

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

3. Construya la solicitud de extracción de imágenes: Especifique la ruta del archivo PDF usando FileInfo y cree un ExtractImagesRequest.

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

4. Ejecutar la extracción y recuperar imágenes: Llame a extractImages y obtenga la lista de objetos Image.

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

5. Guardar cada imagen en el almacenamiento local: Recorrer la colección y escribir los datos binarios en archivos.

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 obtener más detalles sobre cada clase, consulte la referencia oficial de la API.

Ejemplo completo de código: Extraer imágenes de documentos PDF en Java usando GroupDocs.Parser

El siguiente ejemplo demuestra el flujo de trabajo completo desde la configuración de credenciales hasta el guardado de la imagen.

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 ejemplo de código demuestra la funcionalidad principal. Antes de usarlo en su proyecto, asegúrese de actualizar cualquier ruta de archivo y valores de configuración para que coincidan con su entorno real, verifique que todas las dependencias requeridas estén correctamente instaladas y pruebe exhaustivamente en su entorno de desarrollo. Si encuentra algún problema, consulte la documentación oficial o póngase en contacto con el equipo de soporte para obtener ayuda.

Extracción de imágenes PDF mediante cURL y la API REST

Puedes lograr el mismo resultado sin escribir código Java llamando directamente a los endpoints REST de GroupDocs.Parser Cloud.

1. Obtener un token de acceso

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"

2. Cargar el archivo 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"

3. Solicitar extracción de imágenes

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"}}'

4. Descargar imágenes extraídas (la respuesta contiene datos base64; puedes decodificarlos localmente)

Para obtener una lista completa de los parámetros, consulte la documentación oficial de la API.

Instalación y configuración del SDK de GroupDocs.Parser Cloud para Java

Agregue la dependencia de Maven a su pom.xml (o el fragmento equivalente de Gradle).

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

El SDK se entrega como una biblioteca en la nube; no se requieren binarios locales. Descargue el paquete más reciente desde la página de lanzamiento. Asegúrese de tener Java 8 o superior y una cuenta válida de GroupDocs Cloud con ID de cliente y secreto.

GroupDocs.Parser Cloud SDK for Java Características que permiten la recuperación de imágenes

• Extracción completa de imágenes PDF - Recupera cada imagen raster y vectorial incrustada en el documento.
• Metadatos de cada imagen - Devuelve el nombre de archivo, tamaño, formato y número de página.
• Compatibilidad con todos los formatos de imagen comunes - PNG, JPG, BMP, GIF, TIFF, y más.
• Integración con almacenamiento en la nube - Funciona directamente con archivos almacenados en GroupDocs Cloud sin descargarlos primero.
• Procesamiento escalable basado en REST‑based - Maneja PDFs grandes y cargas de trabajo de alto volumen a través de la API en la nube.

Ajuste fino de la configuración de extracción de imágenes

Mientras la solicitud básica funciona sin necesidad de configuración adicional, puedes ajustar opciones como:

• Protección con contraseña - Establezca la propiedad password en FileInfo para PDFs cifrados.
• Rango de páginas - Limite la extracción a páginas específicas añadiendo una matriz pages al JSON de la solicitud.
• Conversión de formato de imagen - Solicite la conversión a un formato diferente especificando el tipo de salida deseado en la solicitud (consulte la referencia de API para los campos exactos).

Ejemplo de establecer una contraseña (extraído del código principal):

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

Consejos prácticos para la extracción eficiente de imágenes PDF

• Validar la existencia del archivo antes de enviar la solicitud para evitar llamadas API innecesarias.
• Procesar imágenes en streams al trabajar con archivos grandes para reducir el consumo de memoria.
• Utilizar paginación si solo necesita imágenes de ciertas páginas; esto acelera la respuesta.
• Manejar los límites de velocidad de la API implementando retroceso exponencial en respuestas HTTP 429.
• Registrar el nombre de cada archivo guardado para simplificar la solución de problemas y los registros de auditoría.

Conclusión

Extraer imágenes de documentos PDF en Java se convierte en una tarea simple y confiable cuando aprovechas el poder del GroupDocs.Parser Cloud SDK for Java. El SDK gestiona la administración de credenciales, la interacción con el almacenamiento en la nube y la decodificación de imágenes, permitiéndote centrarte en la lógica de tu aplicación. Para implementaciones en producción, adquiere una licencia adecuada en la página de precios o obtén una licencia temporal para evaluación. Con el ejemplo de código, la guía cURL y las recomendaciones de best‑practice en este artículo, estás listo para integrar la extracción de imágenes PDF en cualquier solución basada en Java.

Preguntas frecuentes

• ¿Qué formatos se pueden extraer de un PDF?
  El SDK extrae formatos raster como PNG, JPG, BMP, GIF y TIFF, así como gráficos vectoriales cuando se almacenan como imágenes.

• ¿Necesito descargar el PDF antes de extraer imágenes?
  No. El SDK funciona directamente con los archivos almacenados en el almacenamiento de GroupDocs Cloud, eliminando la necesidad de descargas locales.

• ¿Cómo maneja el SDK los PDFs grandes?
  La extracción se realiza en el lado del servidor, por lo que el uso de memoria en su máquina se mantiene bajo. También puede limitar la extracción a páginas específicas para mejorar el rendimiento.

• ¿Hay alguna manera de probar la extracción sin escribir código?
  Sí, puedes usar los comandos cURL proporcionados arriba o probar la consola interactiva de la API en la página del producto.

Leer más

• Extraer imágenes de archivos PDF en Java usando la API REST
• Extraer imágenes de documentos Word programáticamente en Java
• Extraer imágenes de documentos PDF usando Python