常规 PDF 文件由矢量元素（例如文本和矢量图形）和其他嵌入数据（例如图像文件）组成。使用以下实用程序提取后者非常容易pdfimages（如所述在此问答中）。
另一方面，扫描的 PDF 文档是扫描页面的汇编。每一页都是一个位图图像，可能与 OCR 生成的可搜索文本层叠加。因此，pdfimages在扫描的 PDF 文档上运行只会提取扫描的页面。
我正在寻找一个应用程序或命令行实用程序，它可以区分扫描的 PDF 文档中的图像和文本并提取前者。
有这样的事存在吗？
答案1
使用 pdfimages PDF 图像提取工具
用法：pdfimages [options] <PDF-file> <image-root>
示例：以 JPEG 格式保存图像
pdfimages -j in.pdf /tmp/out
附言：请有人将此标记为重复：从 PDF 中提取嵌入的图像[感谢pl1nk：https://askubuntu.com/users/48864/pl1nk]