PDF_TO_IMAGES - Realtime Compute for Apache Flink - Alibaba Cloud ドキュメントセンター

PDF_TO_IMAGES は、PDF ファイルをページごとのイメージに分割し、各ページを行として返すテーブル値関数です。

構文

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

パラメーター

パラメーター	型	必須	説明
`content`	VARBINARY	はい	PDF ファイルのバイナリコンテンツです。リモートファイルからコンテンツを取得するには、`FETCH_CONTENT` を使用します。
`image_format`	STRING	いいえ	出力イメージフォーマットです。サポートされている値： `'jpg'`、`'png'`。デフォルト： `'jpg'`。
`dpi`	INT	いいえ	イメージの鮮明度をコントロールする、ドット/インチ (DPI) 単位のレンダリング解像度です。デフォルト： `200`。
`start_page`	INT	いいえ	処理を開始する最初のページです。ページ番号は 0 から始まります。デフォルト： `0`。
`pages`	INT	いいえ	`start_page` から処理するページ数です。`start_page` と一緒に使用する必要があり、単独では使用できません。この関数は、`[start_page, start_page + pages)` の範囲のページを処理します。デフォルト： `start_page` からドキュメントの最後まで。

戻り値のパラメーター

この関数は、ページごとに 1 行を返し、次の列が含まれます。

パラメーター	型	説明
`mime_type`	STRING	`image/jpeg` などの出力イメージの MIME タイプです。
`page_no`	INT	PDF のページ番号です (0 から始まります)。
`image_content`	VARBINARY	ページイメージのバイナリコンテンツです。

例

次のクエリは、URL から PDF をフェッチし、各ページを 150 DPI の JPEG イメージに変換します。LATERAL TABLE 構文は、PDF_TO_IMAGES をテーブル値関数として呼び出し、その出力行を入力と結合します。

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);

出力例：

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