Etapas para Extrair Imagens de Documentos PDF em C#

1. Carregar PDF para o armazenamento do GroupDocs Cloud: Use StorageApi.UploadFile para colocar o PDF de origem na nuvem.

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

Esta chamada garante que o arquivo esteja acessível para análise.

2. Solicitar imagens do documento: Chame ParserApi.GetDocumentImages com um GetDocumentImagesRequest.

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

A resposta contém uma coleção de objetos ImageInfo, cada um contendo dados Base64 e metadados. Consulte a referência da API para obter detalhes completos.

3. Decodificar e salvar cada imagem: Itere através de imagesResult.Images, converta a string Base64 em um array de bytes e grave o arquivo no 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);
}

O console registra o nome do arquivo salvo, as dimensões e o DPI para verificação.

4. (Opcional) Limpar PDF remoto: Após a extração, você pode excluir o arquivo enviado para manter o armazenamento organizado.

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

Esta etapa está envolvida em um bloco try‑catch para ignorar quaisquer erros de limpeza.

5. Revisar saída: O console exibirá um resumo como Total images extracted: 12, confirmando a extração bem-sucedida.

Exemplo de Código Completo: Extrair Imagens de Documentos PDF com GroupDocs.Parser

O exemplo a seguir demonstra o fluxo de trabalho completo descrito acima. Ele inclui configuração, upload, extração de imagens, salvamento e limpeza 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 exemplo de código demonstra a funcionalidade principal. Antes de usá‑lo em seu projeto, certifique‑se de atualizar quaisquer caminhos de arquivo 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 ajuda.

Extrair Imagens via REST API usando cURL

A mesma operação pode ser realizada com chamadas REST diretas. Abaixo está um fluxo de trabalho cURL mínimo.

1. Obtenha um token de acesso (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"

A resposta contém access_token.

2. Carregue o PDF para o armazenamento na nuvem.

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 imagens para o documento enviado.

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

A resposta JSON inclui um array de imagens com base64Data, fileExtension, pageNumber, etc.

4. Salve cada imagem localmente (exemplo usando jq e 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 obter mais detalhes sobre endpoints e parâmetros, consulte a documentação oficial da API.

Preparando o Ambiente

1. Instale a biblioteca cliente .NET via NuGet:

dotnet add package GroupDocs.Parser-Cloud

O pacote está disponível na página oficial de download.

2. Certifique-se de que você tem o .NET 6.0 ou posterior instalado e uma conta válida do GroupDocs Cloud com credenciais de cliente.

3. (Opcional) Clone o repositório de exemplo para referência:

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

O que torna o GroupDocs.Parser adequado para extração de imagens

• Recuperação direta de imagens: A chamada GetDocumentImages retorna imagens em seu formato original sem etapas adicionais de conversão.
• Entrega em Base64: As imagens são fornecidas como strings Base64, facilitando a decodificação em qualquer linguagem.
• Metadados ao nível da página: Cada ImageInfo inclui número da página, dimensões, resolução e índice, o que ajuda a organizar os ativos extraídos.
• Suporte a todos os formatos raster comuns: PNG, JPEG, BMP, GIF, TIFF e mais são preservados exatamente como armazenados no PDF.
• Processamento em nuvem escalável: PDFs grandes são processados nos servidores GroupDocs, reduzindo a pressão de memória na sua aplicação.

Configurando Opções de Extração de Imagens

Embora o exemplo básico funcione pronto‑para‑usar, você pode ajustar finamente a solicitação:

• Especificar intervalo de páginas: Adicione pages = "1-5" ao GetDocumentImagesRequest para limitar a extração.
• Definir qualidade da imagem: Use o parâmetro imageQuality (0‑100) se precisar de saída compactada.
• Filtrar por formato: Forneça fileExtensions = ["png","jpeg"] para receber apenas os formatos selecionados.

Essas opções estão documentadas na referência da API.

Conclusão

Extrair imagens de documentos PDF em C# torna‑se um processo simples e confiável quando você utiliza o GroupDocs.Parser Cloud SDK for .NET. O SDK lida com upload, análise e conversão para Base64, permitindo que você se concentre em salvar arquivos e integrá‑los ao seu fluxo de trabalho. Lembre‑se de proteger suas credenciais de cliente, respeitar os termos de licenciamento e considerar uma licença temporária para avaliação na página de licença temporária. Com o código e os exemplos REST fornecidos, você está pronto para adicionar extração robusta de imagens de PDF a qualquer aplicação .NET.

Perguntas Frequentes

Como extraio imagens de documentos PDF usando C#?
Use o método GetDocumentImages da API Parser após fazer upload do PDF com StorageApi.UploadFile. Decodifique as strings Base64 retornadas e escreva‑as no disco, como mostrado no exemplo de código.

E se o PDF estiver protegido por senha?
Inclua a senha no modelo de solicitação. O SDK descriptografará o arquivo antes de extrair as imagens. Consulte a documentação para o nome exato da propriedade.

Posso limitar a extração a páginas específicas?
Sim, defina a propriedade pages em GetDocumentImagesRequest para uma lista separada por vírgulas ou intervalo (por exemplo, "1-3,5"). A API retornará imagens apenas dessas páginas.

Existem limites de tamanho para as imagens extraídas?
O SDK retorna os dados da imagem original sem redimensionamento. Se precisar de arquivos menores, pós‑procese as imagens salvas usando qualquer biblioteca de processamento de imagens.

Read More

• Extrair imagens de PDF em C# .NET | API de Extração de Imagens de PDF
• Extrair imagens de documentos PDF em Java
• Extrair texto de PDF usando .NET REST API | Conversor de Documento para Texto

Extrair Imagens de Documentos PDF em Java em 5 Etapas

1. 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");

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

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

3. 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));
   

4. 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();

5. 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.

1. 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"

2. 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"

3. 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"}}'

4. 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.

Leia Mais

• Extrair imagens de arquivos PDF em Java usando API REST
• Extrair imagens de documentos Word programaticamente em Java
• Extrair imagens de documentos PDF usando Python