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