PDF_TO_IMAGES-实时计算 Flink版(Flink)-阿里云帮助中心

将PDF文件拆分为指定格式的图片，并以表的形式返回每页对应的图片内容。

语法

PDF_TO_IMAGES(content [, image_format] [, dpi] [, start_page] [, pages])

入参

参数	数据类型	是否必填	说明
content	VARBINARY	是	PDF文件内容。可以结合FETCH_CONTENT函数获取远程文件内容。
image_format	STRING	否	输出图片格式，支持`'jpg'`和`'png'`。默认值为`'jpg'`。
dpi	INT	否	渲染分辨率，决定输出图片的清晰度。默认值为`200`。
start_page	INT	否	起始页码，从`0`开始计数。不指定时默认从第一页开始处理全部页面。
pages	INT	否	要处理的页数，需要与start_page组合使用，不能单独指定。处理[start_page, start_page + pages)区间的页面。不指定时默认处理start_page及之后的全部页面。

出参

参数	数据类型	说明
mime_type	STRING	输出图片的内容类型，例如`image/jpeg`。
page_no	INT	对应的PDF页码，从`0`开始计数。
image_content	VARBINARY	拆分出的图片内容。

示例

测试语句

SELECT
    p.mime_type AS mime_type,
    p.page_no AS page_no
FROM (
    SELECT FETCH_CONTENT(pdf_url) AS pdf_content
    FROM (
        VALUES ('https://example.com/sample.pdf')
    ) T (pdf_url)
) AS t1,
LATERAL TABLE(PDF_TO_IMAGES(t1.pdf_content, 'jpg', 150)) AS p(mime_type, page_no, image_content);

测试结果
mime_type(STRING)
page_no(INT)
image/jpeg
0
image/jpeg
1
image/jpeg
2
image/jpeg
3

mime_type(STRING)	page_no(INT)
image/jpeg	0
image/jpeg	1
image/jpeg	2
image/jpeg	3