正常（検索可能）かスキャン（画像）かを問わず、プログラムで（Javaで）pdfを認識する方法は？

Question

私は、docparserを使用してPdfsからExcelへの変換を行っています。 しかし、docparserはスキャンしたpdfsを正しく処理できません。だから通常のpdfsからスキャンされたpdfsを分離し、通常のpdfsをdocparser（つまりAPI呼び出し）で処理したいだけです。 PDF形式（スキャン済みまたは通常）をプログラムで特定するためにいくつかの方法がありますか？私はさらに作業することができますか？ 誰かがこの問題に取り組む方法を知っているなら、助けてください.....

Answer 1

最後に、私は私の質問に対する解決策を見つけました。しかし、標準的なものではありません。コメントして助けてくれた人々に感謝します。我々はスキャンしたPDFのページを抽出することができますし、それが叶うならば、ページを画像としてカウントされますと、私達ができる、画像オブジェクト（PDImageXObject）のインスタンスに各ページを比較しますPdfboxライブラリを使用して

それらの画像を数えます。 のイメージは、pdfのページ数に等しいです。 スキャンされたpdfと言います。ここ

が コード ...私の知る限りでは

public static String testPdf(String filename) throws IOException 
{ 
    String s = ""; 
    int g = 0; 
    int gg = 0; 
      PDDocument doc = PDDocument.load(new File(filename)); 

      gg = doc.getNumberOfPages(); 
      for(PDPage page:doc.getPages()) 
      { 
       PDResources resource = page.getResources(); 
       for(COSName xObjectName:resource.getXObjectNames()) 
       { 
        PDXObject xObject = resource.getXObject(xObjectName); 
        if (xObject instanceof PDImageXObject) 
        { 
         ((PDImageXObject) xObject).getImage(); 
         g++; 
        } 


      } 

      } 
      doc.close(); 
     if(g==gg) // pdf pages if equal to the images 
     { 
      return "Scanned pdf"; 
     } 
     else 
     { 
      return "Searchable pdf"; 
     } 



}