检测PDF文件是否由图像制成

Question

我正在尝试预处理大量 PDF 文件，其中许多实际上不是文本而是图像，以便将它们移动到适当的位置进行 OCR 处理。

问题是我试图在 OCR 之前检测 PDF 是否基于图像，但到目前为止没有成功。使用“ pdffonts filename”应该是正确的方法，但只有图像的 PDF 也有字体！

Answer 1

pdfimages -list filename.pdf

应该做到这一点。这将为您提供 PDF 文件中包含的图像列表。