如何逐页获取整个文件内容的base64的PDF文件内容？

Question

我有一个 PDF 文件的 base64 内容，例如JVBERi0xLjIgDSXi48/T....

我怎样才能解析它以获得它每一页的base64？

假设 PDF 文件有 5 页。如何获取每个页面的base64内容？我已经用谷歌搜索但找不到任何东西。任何帮助表示赞赏。

Answer 1

一般来说，甚至不可能逐页分离原生PDF 文件的内容（当文件采用 Base64 编码时就不可能这样做，正如您将看到的）。

PDF 文件最通用的结构按以下顺序排列：

1. PDF 标题
2. PDF 对象（文件体）
3. PDF 外部参照表（内容表，给出每个 PDF 对象的文件偏移位置）
4. PDF预告片

您不能假设 PDF 对象在文件中的显示顺序与页面在 PDF 查看器中的显示顺序相同。

如果您提取单个页面，则该页面本身需要是一个有效的 PDF 文档：包含（按相同顺序）标题、对象、外部参照和预告片，其中外部参照和预告片需要重新构建，以便它们与新文档匹配（外部参照和预告片不能简单地从原始文档复制）。

因此，您需要先对 Base64 编码的文件进行完全解码，然后才能考虑访问生成的 PDF 的单个页面。

要从已使用 base64 编码的 5 页 PDF 文档中获取所有单独的 PDF 页面作为 base64，您必须执行以下步骤：

1. 将完整的 base64 文件解码为有效的 5 页 PDF 文档。
2. 将 5 页 PDF 文档拆分为 5 个单独的 1 页 PDF 文档。
   ^{（为此，您需要了解“PDF 游戏规则”，或者使用确实了解的 PDF 库）}
3. 使用 base64 对每个 1 页 PDF 文档进行编码。