Extraer Imágenes de PDF

¿Qué diferencia hay con PDF a PNG?

PDF a PNG renderiza cada página en una imagen — texto, arte vectorial y fotografías aplanadas juntos a cualquier resolución que elijas. Esta herramienta extrae los archivos de imagen que estaban integrados en el documento, a la resolución a la que se almacenaron.

Para un informe escaneado, la extracción te da el escaneo original; renderizar lo remuestrearía a tu DPI elegido, que es o un desperdicio o con pérdida dependiendo de cómo adivinases. Para una foto dentro de un conjunto de diapositivas, la extracción te da la foto sin la diapositiva alrededor.

¿Por qué dice que no se encontraron imágenes?

Porque el PDF genuinamente no tiene ninguna integrada. Un documento producido desde un procesador de palabras o LaTeX es texto e instrucciones de dibujo vectorial — no hay archivo de imagen dentro para extraer, aunque la página obviamente se vea como algo. Por eso el mensaje lo dice claramente y señala a PDF a PNG, que renderiza la página en su lugar.

Es un resultado legítimo en lugar de un fracaso, así que no se muestra como un error.

¿Por qué obtuve menos imágenes que las que el documento tiene?

Dos razones probables. La primera es deliberada: una imagen referenciada en muchas páginas — un membrete, un logo, una marca de agua — se almacena una vez y se dibuja repetidamente, así que un informe de 40 páginas da una copia en lugar de 40. La herramienta deduplica por el nombre del objeto interno.

La segunda es un fracaso honesto. pdf.js devuelve datos de píxeles sin procesar cuyo número de canales depende del espacio de color de origen, y algunas imágenes CMYK llegan en una forma que no se puede convertir a colores de pantalla sin adivinar. Esas se saltan en lugar de convertirse aproximadamente, porque un color confiablemente incorrecto es peor que un archivo faltante.

¿Las imágenes extraídas están en calidad completa?

Son los píxeles almacenados, así que nada se remuestrea o reescala. Se escriben como PNG, que es sin pérdidas, así que no se aplica compresión adicional de camino.

Eso sí significa que una imagen almacenada como JPEG dentro del PDF sale como un PNG que contiene exactamente esos píxeles decodificados — visualmente idéntico, usualmente un archivo más grande. Si el tamaño importa, ejecuta el resultado a través de Comprimir Imagen.

¿Recupera imágenes que fueron recortadas en el documento?

Sí, normalmente a tu ventaja. Los PDFs frecuentemente almacenan una fotografía completa y muestran solo parte de ella a través de una ruta de recorte. La extracción devuelve la imagen almacenada, así que puedes obtener más de la foto que la página mostró. Ocasionalmente eso es sorprendente; normalmente es lo que querías.

¿Se sube mi PDF a algún lado?

No. El documento se analiza por pdf.js dentro de esta pestaña del navegador, usando un worker servido desde el origen de este sitio, y las imágenes se reconstruyen en un lienzo en la página. Los enlaces de descarga apuntan a blobs que tu navegador creó. Nada se transmite — verifica en la pestaña Red, o ve sin conexión después de que la página carga.

¿Es seguro abrir un PDF que no conozco aquí?

Razonablemente, con una advertencia que vale la pena establecer. Analizar un PDF desconocido es verdadera superficie de ataque — pdf.js ha tenido errores que permiten ejecución de script a través del manejo de fuentes. Esta herramienta fija pdf.js a una versión exacta en lugar de un rango que podría desplazarse hacia atrás, desactiva la ruta de fuente basada en eval, desactiva la instalación de fuentes, y el sitio envía una Política de Seguridad de Contenido. Eso es una reducción significativa en riesgo, no una garantía.

¿Puedo extraer de varios PDFs a la vez?

No actualmente — un documento a la vez. La salida de un solo PDF ya es a menudo decenas de archivos, y el procesamiento por lotes lo haría difícil saber qué imagen vino de dónde.