pdf image extraction on Document Processing REST APIs | GroupDocs Cloud

在 C# 中从 PDF 文档提取图像

Mon, 12 Oct 2026 17:04:44 +0000

从 PDF 文档中提取图像是构建文档处理流水线时的常见需求，尤其是在生成缩略图或在其他地方重新使用图形时。 GroupDocs.Parser Cloud SDK for .NET 提供了强大的 API，使得在 C# 中完成此任务变得简单直观。在本指南中，您将学习如何上传 PDF，检索所有嵌入的图像，将其保存到本地，并可选择清理远程文件，提供完整的代码和 REST 示例。

在 C# 中从 PDF 文档提取图像的步骤

将 PDF 上传到 GroupDocs Cloud 存储: 使用 StorageApi.UploadFile 将源 PDF 放置到云端。

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

此调用确保文件可供解析。

请求文档图像: 调用 ParserApi.GetDocumentImages 并传入 GetDocumentImagesRequest。

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

响应包含一个 ImageInfo 对象的集合，每个对象都包含 Base64 数据和元数据。请参阅 API 参考获取完整细节。

解码并保存每个图像：遍历 imagesResult.Images，将 Base64 字符串转换为字节数组，并将文件写入磁盘。

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);
}

控制台会记录已保存的文件名、尺寸和 DPI 以供验证。

（可选）清理远程 PDF：提取后，您可以删除已上传的文件以保持存储整洁。

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

此步骤已包装在 try‑catch 块中，以忽略任何清理错误。

审查输出: 控制台将显示类似 Total images extracted: 12 的摘要，确认提取成功。

完整代码示例：使用 GroupDocs.Parser 从 PDF 文档中提取图像

以下示例演示了上述完整工作流。它包括配置、上传、图像提取、保存以及可选的清理。

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
                }
            }
        }
    }
}

注意： 此代码示例演示了核心功能。在项目中使用之前，请确保更新所有文件路径和配置值以匹配实际环境，验证已正确安装所有必需的依赖项，并在开发环境中彻底测试。如果遇到任何问题，请参阅官方文档或联系支持团队获取帮助。

使用 cURL 通过 REST API 提取图像

相同的操作可以通过直接的 REST 调用来执行。下面是一个最小的 cURL 工作流。

获取访问令牌 (OAuth 2.0 客户端凭证授权)。

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"

响应中包含 access_token。

上传 PDF 到云存储。

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"

请求图像 用于已上传的文档。

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

该 JSON 响应包含一个图像数组，其中包括 base64Data、fileExtension、pageNumber 等。

保存每个图像 本地（示例使用 jq 和 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

有关端点和参数的更多详细信息，请参阅官方 API 文档。

准备环境

通过 NuGet 安装 .NET 客户端库：

dotnet add package GroupDocs.Parser-Cloud

该软件包可在官方下载页面获取。

确保已安装 .NET 6.0 或更高版本，并拥有有效的 GroupDocs Cloud 帐户及客户端凭据。

（可选）克隆示例仓库以供参考：

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

什么使 GroupDocs.Parser 适用于图像提取

直接图像检索: GetDocumentImages 调用返回原始格式的图像，无需额外的转换步骤。
Base64 交付: 图像以 Base64 字符串形式提供，便于在任何语言中解码。
页面级元数据: 每个 ImageInfo 包含页码、尺寸、分辨率和索引，有助于组织提取的资源。
支持所有常见光栅格式: PNG, JPEG, BMP, GIF, TIFF 等均保持与 PDF 中存储的完全一致。
可扩展的云处理: 大型 PDF 在 GroupDocs 服务器上处理，降低应用程序的内存压力。

配置图像提取选项

虽然基本示例可以直接使用，但您可以对请求进行微调：

指定页面范围: 添加 pages = "1-5" 到 GetDocumentImagesRequest 以限制提取。
设置图像质量: 使用 imageQuality 参数 (0‑100)，如果需要压缩输出。
按格式过滤: 提供 fileExtensions = ["png","jpeg"] 以仅接收所选格式。

这些选项已在 API 参考中记录。

结论

在 C# 中从 PDF 文档提取图像变得简单且可靠，只需使用 GroupDocs.Parser Cloud SDK for .NET。该 SDK 处理上传、解析和 Base64 转换，让您专注于保存文件并将其集成到工作流中。请确保保护您的客户端凭据，遵守许可条款，并考虑在临时许可证页面获取用于评估的临时许可证。使用提供的代码和 REST 示例，您即可在任何 .NET 应用程序中添加强大的 PDF 图像提取功能。

FAQs

如何使用 C# 从 PDF 文档中提取图像？
在使用 StorageApi.UploadFile 上传 PDF 后，使用 Parser API 的 GetDocumentImages 方法。解码返回的 Base64 字符串并写入磁盘，如代码示例所示。

如果 PDF 受密码保护怎么办？
在请求模型中包含密码。SDK 将在提取图像之前解密文件。请参阅文档以获取确切的属性名称。

我可以将提取限制在特定页面吗？
是的，在 GetDocumentImagesRequest 上设置 pages 属性为逗号分隔的列表或范围（例如 "1-3,5"）。API 将仅返回这些页面的图像。

提取的图像是否有大小限制？
SDK 返回原始图像数据，不进行缩放。如果需要更小的文件，请使用任何图像处理库对保存的图像进行后处理。

在 Java 中从 PDF 文档中提取图像

Fri, 02 Oct 2026 10:36:06 +0000

从 PDF 文件中提取图像是构建文档处理流水线时的常见需求，尤其是在需要将图形用于缩略图、报告或进一步分析时。GroupDocs.Parser Cloud SDK for Java 提供了一个简洁的 API，只需几行代码即可提取 PDF 中的所有嵌入图像。本指南将带您完成 SDK 的配置、运行完整的代码示例、使用 cURL 执行相同任务，并应用最佳实践以确保可靠的 PDF 图像提取。

在 Java 中提取 PDF 文档的图像（5 步）

配置 API 凭据: 创建一个 Configuration 对象并设置您的客户端 ID 和密钥。

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

初始化 Parser API: 使用配置构建 ApiClient 并实例化 ParserApi。

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

构建图像提取请求: 使用 FileInfo 指定 PDF 文件路径并创建 ExtractImagesRequest。

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

执行提取并检索图像：调用 extractImages 并获取 Image 对象的列表。

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

将每个图像保存到本地存储：遍历集合并将二进制数据写入文件。

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);
}

有关每个类的更多详细信息，请参阅官方 API 参考。

完整代码示例：在 Java 中使用 GroupDocs.Parser 从 PDF 文档中提取图像

以下示例演示了从凭据设置到图像保存的完整工作流。

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();
        }
    }
}

注意： 此代码示例演示了核心功能。在项目中使用之前，请确保更新所有文件路径和配置值以匹配实际环境，验证已正确安装所有必需的依赖项，并在开发环境中彻底测试。如果遇到任何问题，请参阅官方文档或联系支持团队获取帮助。

使用 cURL 和 REST API 提取 PDF 图像

您可以通过直接调用 GroupDocs.Parser Cloud REST 端点，而无需编写 Java 代码，实现相同的结果。

获取访问令牌

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"

上传 PDF 文件

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"

请求图像提取

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"}}'

下载提取的图像 (响应包含 base64 数据；您可以在本地解码)

有关完整的参数列表，请参阅官方 API 文档。

安装和配置 GroupDocs.Parser Cloud SDK for Java

将 Maven 依赖添加到您的 pom.xml（或等效的 Gradle 代码段）。


    com.groupdocs
    groupdocs-parser-cloud
    26.2

SDK 以云库的形式提供；无需本地二进制文件。
从发布页面下载最新的包。
确保您已安装 Java 8 或更高版本，并拥有有效的 GroupDocs Cloud 帐户以及客户端 ID 和密钥。

GroupDocs.Parser Cloud SDK for Java 功能：启用图像检索

Full PDF image extraction - 检索文档中嵌入的所有光栅和矢量图像。
Metadata for each image - 返回文件名、大小、格式和页码。
Support for all common image formats - 支持所有常见图像格式，包括 PNG、JPG、BMP、GIF、TIFF，以及更多。
Cloud storage integration - 直接在 GroupDocs Cloud 中的文件上工作，无需先下载。
Scalable REST‑based processing - 通过云 API 处理大型 PDF 和高负载工作。

微调图像提取设置

虽然基本请求可以直接使用，但您可以调整以下选项：

密码保护 - 为加密的 PDF 在 FileInfo 上设置 password 属性。
页面范围 - 通过在请求 JSON 中添加 pages 数组，将提取限制在特定页面。
图像格式转换 - 在请求中指定所需的输出类型以请求转换为其他格式（有关确切字段，请参阅 API reference）。

设置密码的示例（摘自主代码）：

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

高效 PDF 图像提取的实用技巧

验证文件是否存在 在发送请求之前，以避免不必要的 API 调用。
在流中处理图像 当处理大文件时，以减少内存消耗。
使用分页 如果只需要某些页面的图像；这可以加快响应速度。
处理 API 速率限制 通过在 HTTP 429 响应上实现指数退避。
记录每个保存的文件名 以简化故障排查和审计跟踪。

结论

提取 Java 中 PDF 文档的图像变得简单可靠，只需利用 GroupDocs.Parser Cloud SDK for Java 的强大功能。SDK 处理凭证管理、云存储交互和图像解码，让您专注于应用逻辑。对于生产部署，请在定价页面购买正式许可证，或获取临时许可证进行评估。通过本文中的代码示例、cURL 指南和最佳实践建议，您即可将 PDF 图像提取集成到任何基于 Java 的解决方案中。

常见问题

可以从 PDF 中提取哪些格式？
SDK 可以提取栅格格式，如 PNG、JPG、BMP、GIF 和 TIFF，以及在以图像形式存储时的矢量图形。
我需要在提取图像之前下载 PDF 吗？
不需要。SDK 直接与存储在 GroupDocs Cloud 存储中的文件协同工作，消除了本地下载的需求。
SDK 如何处理大型 PDF？
提取在服务器端执行，因此您机器上的内存使用保持在低水平。您还可以将提取限制在特定页面，以提升性能。
有没有办法在不编写代码的情况下测试提取？
是的，您可以使用上面提供的 cURL 命令，或在产品页面上尝试交互式 API 控制台。