使用C#在.NET中實現(xiàn)高效提取PDF文檔中的圖片
更新時間：2026年01月30日 09:01:46 作者：大尚來也
在文檔處理、內容分析、數據遷移或自動化測試等場景中,開發(fā)者常常需要從?PDF?文件中提取嵌入的圖像資源,本文將詳細介紹如何使用?C#?從?PDF?中提取所有圖片,并對比主流方案,感興趣的小伙伴可以了解下
在文檔處理、內容分析、數據遷移或自動化測試等場景中，開發(fā)者常常需要從 PDF 文件中提取嵌入的圖像資源——無論是產品手冊中的示意圖、發(fā)票上的二維碼，還是報告中的圖表。.NET 生態(tài)提供了多種庫來實現(xiàn)這一目標。本文將詳細介紹如何使用 C# 從 PDF 中提取所有圖片，并對比主流方案（如 iText 7 和 PdfiumViewer / PdfPig），提供可直接運行的代碼示例。
一、為什么提取 PDF 中的圖片并不簡單
PDF 并非簡單的“圖片容器”，而是一種復雜的文檔格式，其中的圖像可能以不同方式存儲：
- 嵌入為 JPEG、PNG、CCITT（傳真格式）、JBIG2、JPX 等編碼；
- 被壓縮或加密；
- 作為 XObject（Form XObject 或 Image XObject）存在；
- 甚至被分割成多個片段。
因此，通用、健壯的圖片提取依賴于成熟的 PDF 解析庫，而非正則表達式或字節(jié)掃描。
二、技術選型：主流 .NET 庫對比
| 庫名 | 類型 | 圖片提取支持 | 開源 | 推薦度 |
|---|---|---|---|---|
| iText 7 | 商業(yè)/AGPL | ? 完整支持 | 部分開源 | ????☆ |
| UglyToad.PdfPig | MIT 開源 | ? 支持主流格式 | ? | ???? |
| PdfiumViewer | BSD 開源（基于 Chromium 的 PDFium） | ? 可渲染頁面截圖，但非原始圖 | ? | ??☆ |
| Aspose.PDF | 商業(yè) | ? 強大 | ? | ????（需授權） |
本文重點介紹 PdfPig（純托管、開源） 和 iText 7（功能全面） 兩種方案。
三、方案一：使用 PdfPig（推薦用于開源項目）
PdfPig 是一個純 C# 編寫的 PDF 解析庫，無需本地依賴，支持提取原始圖像數據。
1. 安裝 NuGet 包
Install-Package UglyToad.PdfPig
2. 提取圖片代碼示例
using UglyToad.PdfPig;
using UglyToad.PdfPig.Content;
using System.Drawing.Imaging;
using System.IO;
class PdfImageExtractor
{
public static void ExtractImagesFromPdf(string pdfPath, string outputFolder)
{
if (!Directory.Exists(outputFolder))
Directory.CreateDirectory(outputFolder);
using (var document = PdfDocument.Open(pdfPath))
{
int imageIndex = 0;
foreach (var page in document.GetPages())
{
foreach (var image in page.GetImages())
{
// 獲取原始字節(jié)和格式
var bytes = image.Data;
var format = GetImageFormat(image);
if (format != null)
{
string fileName = Path.Combine(outputFolder, $"image_{imageIndex++}.{format}");
File.WriteAllBytes(fileName, bytes);
Console.WriteLine($"Saved: {fileName}");
}
}
}
}
}
private static string? GetImageFormat(XObjectImage image)
{
return image.Type switch
{
"Jpeg" => "jpg",
"Png" => "png",
"Jpx" => "jp2", // JPEG2000
"CCITTFax" => "tiff", // 常見于掃描文檔
_ => null // 未知格式暫不處理
};
}
}
3. 調用示例
PdfImageExtractor.ExtractImagesFromPdf("report.pdf", @"./extracted_images");
優(yōu)點：無外部依賴、跨平臺（.NET Core/.NET 5+）、MIT 許可證。
局限：對某些特殊編碼（如內聯(lián)圖像、掩碼圖像）支持有限。
四、方案二：使用 iText 7（適合復雜 PDF）
iText 7 提供更底層的訪問能力，可處理幾乎所有 PDF 圖像類型。
1. 安裝 NuGet 包
Install-Package itext7
2. 自定義圖像提取策略
using iText.Kernel.Pdf;
using iText.Kernel.Pdf.Canvas.Parser;
using iText.Kernel.Pdf.Canvas.Parser.Data;
using iText.Kernel.Pdf.Canvas.Parser.Listener;
using System.IO;
public class ImageExtractor : IRenderListener
{
private readonly string _outputDir;
private int _imageCount = 0;
public ImageExtractor(string outputDir)
{
_outputDir = outputDir;
Directory.CreateDirectory(outputDir);
}
public void BeginTextBlock() { }
public void EndTextBlock() { }
public void RenderText(TextRenderInfo renderInfo) { }
public void RenderImage(ImageRenderInfo renderInfo)
{
try
{
var image = renderInfo.GetImage();
if (image != null)
{
byte[] bytes = image.GetImageAsBytes();
string extension = GetExtension(renderInfo);
string path = Path.Combine(_outputDir, $"itext_img_{_imageCount++}.{extension}");
File.WriteAllBytes(path, bytes);
Console.WriteLine($"Extracted: {path}");
}
}
catch (System.Exception ex)
{
Console.WriteLine($"Failed to extract image: {ex.Message}");
}
}
private string GetExtension(ImageRenderInfo info)
{
var filter = info.GetImage().GetPdfObject().GetAsStream().GetAsName(iText.Kernel.Pdf.PdfName.Filter);
if (filter == null) return "png";
if (filter.Equals(iText.Kernel.Pdf.PdfName.DCTDecode)) return "jpg";
if (filter.Equals(iText.Kernel.Pdf.PdfName.FlateDecode)) return "png";
if (filter.Equals(iText.Kernel.Pdf.PdfName.JPXDecode)) return "jp2";
if (filter.Equals(iText.Kernel.Pdf.PdfName.CCITTFaxDecode)) return "tiff";
return "bin";
}
}
// 使用方法
public static void ExtractWithItext(string pdfPath, string outputDir)
{
using var reader = new PdfReader(pdfPath);
using var pdfDoc = new PdfDocument(reader);
var extractor = new ImageExtractor(outputDir);
for (int i = 1; i <= pdfDoc.GetNumberOfPages(); i++)
{
PdfCanvasProcessor processor = new PdfCanvasProcessor(extractor);
processor.ProcessPageContent(pdfDoc.GetPage(i));
}
}
注意：iText 7 在閉源商業(yè)項目中需購買許可證。
五、常見問題與優(yōu)化建議
Q1：提取的圖片模糊？
- 原因：PDF 中圖像本身分辨率低，或為矢量圖轉柵格。
- 建議：優(yōu)先提取原始嵌入圖像，而非頁面截圖。
Q2：無法提取掃描版 PDF 中的圖片？
掃描 PDF 通常整頁為一張圖像。此時可使用 PdfiumViewer 渲染整頁為 PNG：
var bitmap = PdfiumViewer.PdfDocument.Load("scan.pdf").Render(0, 300, 300, true);
bitmap.Save("page.png", ImageFormat.Png);
Q3：如何只提取特定區(qū)域的圖片？
PdfPig 支持獲取圖像的邊界框（image.Rectangle），可結合坐標過濾。
六、總結
| 方案 | 適用場景 | 優(yōu)勢 | 劣勢 |
|---|---|---|---|
| PdfPig | 開源項目、簡單到中等復雜 PDF | 純 C#、無依賴、免費 | 對高級圖像格式支持有限 |
| iText 7 | 企業(yè)級應用、復雜 PDF | 功能全面、標準兼容 | 商業(yè)授權成本 |
| PdfiumViewer | 掃描文檔、整頁圖像 | 渲染質量高 | 無法提取原始嵌入圖 |
對于大多數 .NET 開發(fā)者，PdfPig 是首選的開源解決方案；若需處理高度復雜的 PDF 或已有 iText 授權，則選擇 iText 7。
通過本文提供的代碼，你可以快速集成 PDF 圖片提取功能，賦能文檔智能處理、內容審核或數據歸檔等應用場景。
到此這篇關于使用C#在.NET中實現(xiàn)高效提取PDF文檔中的圖片的文章就介紹到這了,更多相關C#提取PDF圖片內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要介紹了C#中使用Spire.doc對word的操作方式，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-01-01
這篇文章主要介紹了如何利用WPF框架實現(xiàn)樹形表格控件,該控件不僅能夠有效地展示復雜的層級數據,還能夠提供豐富的個性化定制選項,感興趣的可以了解下2024-04-04
這篇文章主要介紹了C#結合數據庫實現(xiàn)驗證識別ID卡內容的方法,非常實用的功能,需要的朋友可以參考下2014-07-07
眾所周知，我的世界就是無數個像素塊的集合，而像素塊也就是立方體。關于新建立方體，這個大家已經非常熟練了，本文就來說說如何實現(xiàn)3D操作幾何體效果吧2023-03-03
本篇文章主要是對c#多線程中Lock()關鍵字的用法進行了詳細的總結介紹，需要的朋友可以過來參考下，希望對大家有所幫助2014-01-01
這篇文章主要介紹了C 語言本地函數與 Lambda 表達式，，由于 C# 長期以來一直使用 lambda，因此從差異和相似之處來看本地函數確實是有意義的，感興趣的小伙伴可以參考下面文章內容2021-09-09
本文揭示了C#與.NETL1的內存安全變革,通過精準定位危險區(qū)域,讓C#更接近Rust的安全保障,引入newalloc三條件、safe關鍵字上下文等新模型代號MemorySafetyRules,同時提供ref安全的逃生通道,助力開發(fā)者在新舊模型間平穩(wěn)過渡,感興趣的朋友跟隨小編一起看看吧2026-06-06
Winform程序自動更新我也是第一次做,網上找了自動更新的源碼,后來又根據在網上看到的一些方法,自己試了很久,最終還是有寫錯誤,所以花了錢讓別人幫忙調試成功的,下面是我自己搗騰出來的,方便大家借鑒,如果有什么錯誤的地方歡迎指正2017-02-02
這篇文章主要介紹了創(chuàng)建execl導入工具類的步驟,需要的朋友可以參考下2014-04-04
這篇文章主要為大家詳細介紹了C#格式化數字字符串的方法，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-05-05