[发明专利]一种用于解析PDF文件中的图片的方法及装置

说明书

本发明公开了一种用于解析PDF文件中的图片的方法及装置，涉及计算机技术领域。该方法的一具体实施方式包括：识别PDF文件的文件信息，所述文件信息包括所述PDF文件的文件大小、所述PDF文件的页面数量以及一个或多个文件页面中的每个文件页面的页面大小；针对一个或多个文件页面中的每个文件页面：基于所识别的PDF文件的文件信息，确定用于从该文件页面中解析图片的图片解析分辨率；以及根据所确定的图片解析分辨率，从该文件页面中解析图片以获得该文件页面的图片；以及压缩所获得的图片以用于进一步处理。该实施方式提高了解析PDF文件中的图片的效率，并提高了用户体验。

技术领域

本发明涉及计算机技术领域，尤其涉及一种用于解析PDF文件中的图片的方法及装置。

背景技术

目前，PDF文件是一种应用广泛的文件格式，可以将文字、表格以及图片等封装在其中，具有存储空间少、不会被随便篡改、便于传输、不存在兼容问题等优点。PDF文件也存在缺点，其中的，文本、表格以及图片等内容无法直接被导出，这给试图从PDF文件中提取文本、表格和图片等数据的用户带来了极大不便。

在现有技术中，存在一些解析PDF文件的技术方案，这些技术方案主要基于以下步骤：上传PDF文件；执行PDF文件中的图片解析功能以解析PDF中的每页；将解析出的全部PDF文件发送给其它服务或者存储在存储设备中。

然而，在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

当PDF文件较大或者PDF文件中的图片分辨率较大时，解析PDF文件的时间较长，甚至可能导致系统运行过载而引发系统崩溃，影响了用户体验；通常仅PDF文件中的前几页图片存在有效数据，而PDF文件中的后面图片通常不存在有效数据因此不需要进一步解析，传统方法解析了PDF文件中的全部图片，浪费了系统的各种资源，降低了解析效率，进一步影响了用户体验。

发明内容

有鉴于此，本发明实施例提供用于解析PDF文件中的图片的方法及装置，通过限制了PDF文件的文件大小和解析PDF文件的页面数量，从而提高了解析效率，并提高了用户体验。并且，通过基于PDF文件的文件信息确定合适的图片解析分辨率，进一步提高了解析效率并且提高了用户体验。

为实现上述目的，根据本发明实施例的一个方面，提供了一种用于解析PDF文件中的图片的方法。

本发明实施例的一种用于解析PDF文件中的图片的方法包括：

识别PDF文件的文件信息，所述文件信息包括所述PDF文件的文件大小、所述PDF文件的页面数量以及一个或多个文件页面中的每个文件页面的页面大小；

针对一个或多个文件页面中的每个文件页面：

基于所识别的PDF文件的文件信息，确定用于从该文件页面中解析图片的图片解析分辨率；以及

根据所确定的图片解析分辨率，从该文件页面中解析图片以获得该文件页面的图片；以及

压缩所获得的图片以用于进一步处理。

可选地，该方法还包括：确定是否存在所述PDF文件的文件大小的限制：

响应于确定存在PDF文件的文本大小的限制，确定所述PDF文件的文件大小是否超过PDF文件解析阈值文件大小；

响应于确定不存在所述PDF文件的文件大小的限制，将所述图片解析分辨率识别为用于解析PDF文件的图片的默认分辨率。

可选地，确定所述PDF文件的文件大小是否超过PDF文件解析阈值文件大小还包括：

确定所述PDF文件的文件大小是否超过PDF文件解析阈值文件大小，结束解析所述PDF文件并且返回错误信息；以及