PDF_TO_IMAGES - Realtime Compute for Apache Flink

將PDF檔案拆分為指定格式的圖片，並以表的形式返回每頁對應的圖片內容。

文法

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

入參

參數	資料類型	是否必填	說明
content	VARBINARY	是	PDF檔案內容。可以結合FETCH_CONTENT函數擷取遠程檔案內容。
image_format	STRING	否	輸出圖片格式，支援`'jpg'`和`'png'`。預設值為`'jpg'`。
dpi	INT	否	渲染解析度，決定輸出圖片的清晰度。預設值為`200`。
start_page	INT	否	起始頁碼，從`0`開始計數。不指定時預設從第一頁開始處理全部頁面。
pages	INT	否	要處理的頁數，需要與start_page組合使用，不能單獨指定。處理[start_page, start_page + pages)區間的頁面。不指定時預設處理start_page及之後的全部頁面。

出參

參數	資料類型	說明
mime_type	STRING	輸出圖片的內容類型，例如`image/jpeg`。
page_no	INT	對應的PDF頁碼，從`0`開始計數。
image_content	VARBINARY	拆分出的圖片內容。

樣本

測試語句

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);

測試結果
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