如何检测文档中的图像，例如doc，xls，ppt或pdf？
我遇到了Apache Tika，我正在尝试它的命令行选项。http://tika.apache.org/1.2/gettingstarted.html
但不太确定它将如何检测图像。
任何帮助，不胜感激。
谢谢
你说过你想使用命令行解决方案，而不是编写任何 Java 代码，所以它不会是最漂亮的方法......如果你很乐意写一点Java，并创建一个从Python调用的新程序，那么你可以做得更好！
首先要做的是让 Tika 应用程序提取出文件中的任何嵌入式资源。为此使用 --extract 选项，并在您应用程序控制的特殊临时目录中进行提取，例如
$ java -jar tika.jar --extract ../testWORD_embedded_pdf.doc
Extracting 'image1.emf' (application/x-emf)
Extracting '_1402837031.pdf' (application/pdf)
如果可以的话，获取提取的输出，并解析该图像以查找图像（但请注意，某些图像在其圆锥形 mimetype 上具有 application/ 前缀！您可能需要对几个（我不确定）运行第二个 --detect 步骤，测试解析器如何进行提取。
现在，如果有图像，它们将出现在您的测试目录中。最后，完成文件后删除临时目录！
过去使用Tika后，我看不出Tika如何帮助嵌入Office文档或PDF中的图像，我错误地回答"否"。您可能仍然可以尝试解析为Apache POI和Apache PDFBox等本机API。Tika 确实使用这两个库来解析文本和元数据，但没有嵌入式图像支持。
使这些 API 自动可用（使用 Tika 的副作用）。
更新：从 Tika 0.8 开始：寻找 EmbeddedResourceHandler 和示例 - 感谢 Gagravarr。