使用Apache PDFBox查找PDF嵌入式缩略图的方法及COSName属性问题

• 完全可以通过Apache PDFBox提取PDF中的嵌入式缩略图，PDF里的缩略图主要分两种存储位置：文档级全局缩略图和单页独立缩略图。
• 你用的COSName.THUMB是PDF规范中定义的标准缩略图键（对应PDF字典里的/Thumb条目），没生效大概率是因为你只检查了文档目录的/Thumb，但目标缩略图实际存储在页面字典里。

代码实现示例 #

1. 获取文档级全局缩略图

PDDocument document = PDDocument.load(new File("target.pdf"));
COSDictionary catalog = document.getDocument().getCatalog();
COSBase thumbObj = catalog.getDictionaryObject(COSName.THUMB);

if (thumbObj instanceof COSStream) {
    PDImageXObject thumbImage = PDImageXObject.createFromCOSStream((COSStream) thumbObj, document);
    // 将缩略图保存为PNG文件
    ImageIO.write(thumbImage.getImage(), "PNG", new File("document_thumbnail.png"));
}

document.close();

2. 获取单页独立缩略图

大部分PDF的缩略图是按页面存储的，遍历页面字典检查/Thumb条目即可：

PDDocument document = PDDocument.load(new File("target.pdf"));
int pageIndex = 0;

for (PDPage page : document.getPages()) {
    COSDictionary pageDict = page.getCOSObject();
    COSBase pageThumbObj = pageDict.getDictionaryObject(COSName.THUMB);

    if (pageThumbObj instanceof COSStream) {
        PDImageXObject pageThumb = PDImageXObject.createFromCOSStream((COSStream) pageThumbObj, document);
        ImageIO.write(pageThumb.getImage(), "PNG", new File("page_" + pageIndex + "_thumbnail.png"));
    }
    pageIndex++;
}

document.close();

常见问题说明 #

• 如果调用COSName.THUMB没结果，优先检查目标PDF是否真的包含嵌入式缩略图（部分PDF可能没有生成缩略图，只在打开时动态渲染）。
• 少数非标准PDF可能将缩略图放在/Resources的/XObject资源中，这种情况需要遍历页面资源查找类型为/Image的XObject，但这属于非规范存储场景，不是主流情况。

内容的提问来源于stack exchange，提问作者Messy Rider