Python将PDF文件转成图片

发表于 更新于 分类于 ， 阅读次数： Waline： 阅读次数： 本文字数： 2.6k 阅读时长 ≈ 6 分钟
Python利用fitz将PDF转成图片

代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Date    : 2021-01-08 12:49:52
# @Author  : KY (owenyk@q.com)
# @Link    : http://example.org
# @Version : $Id$

#安装fitz
#pip install fitz
#安装依赖PyMuPDF
#pip install PyMuPDF

import fitz
import re
import os



def pdf2png(file_path, pic_path):
	doc = fitz.open(file_path)  #  打开PDF文件，生成一个对象
	for pg in range(doc.pageCount):  #遍历pdf每一个页面
	    page = doc[pg]
	    rotate = int(0)   #图片计数

	   # 每个尺寸的缩放系数为2，这将为我们生成分辨率提高四倍的图像。
	    zoom_x = 2.0    #x轴方向
	    zoom_y = 2.0	#y轴方向
	    trans = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)
	    pm = page.getPixmap(matrix=trans, alpha=False)  #获取缩放后的图片
	    #pm.writePNG('%s.png' % pg)
	    img_name = "img{}.png".format(rotate)         #生成图片文件名
	    pm.writePNG(os.path.join(pic_path,img_name))  #写入图片文件
	    print('%s.png 完成' % pg)
if __name__ == '__main__':	
	file_path = r'###.pdf'  #pdf文档路径
	pic_path = 'M:\\pic'   #图片路径
	pdf2png(file_path, pic_path)

如果不使用函数简化写法:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import fitz

file_path = r'###.pdf'  #pdf文档路径
doc = fitz.open(file_path)  #  打开PDF文件，生成一个对象
for pg in range(doc.pageCount):  #遍历pdf每一个页面
    page = doc[pg]
    rotate = int(0)   #图片计数

   # 每个尺寸的缩放系数为2，这将为我们生成分辨率提高四倍的图像。
    zoom_x = 2.0    #x轴方向
    zoom_y = 2.0	#y轴方向
    trans = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)
    pm = page.getPixmap(matrix=trans, alpha=False)  #获取缩放后的图片
    pm.writePNG('%s.png' % pg)
    #img_name = "img{}.png".format(rotate)         #生成图片文件名
    #pm.writePNG(os.path.join(pic_path,img_name))  #写入图片文件
    print('%s.png 完成' % pg)

这样转换是会将整个pdf页面转成PNG图片，如需将页面中的部分转换图片可参照下面代码: 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
import fitz
import re
import os


def pdf2pic(path, pic_path):
    '''
    # 从pdf中提取图片
    :param path: pdf的路径
    :param pic_path: 图片保存的路径
    :return:
    '''
    # 打开pdf
    doc = fitz.open(path)
    nums = doc._getXrefLength()
    imgcount = 0 # 图像计数
   
    # 遍历每一个对象
    for i in range(1, nums):
        text = doc._getXrefString(i)
        # print(i, text)
        # 过滤无用图片
        if ('Width 2550' in text) and ('Height 3300' in text) or ('thumbnail' in text):
            continue
            
	    # 使用正则表达式来查找图片
	    checkXO = r"/Type(?= */XObject)"
	    checkIM = r"/Subtype(?= */Image)"
	    
        isXObject = re.search(checkXO, text)
        isImage = re.search(checkIM, text)
        
        # 不符合条件, continue
        if not isXObject or not isImage:
            continue
		imgcount += 1

        # 生成图像
        pix = fitz.Pixmap(doc, i)
		
		# 保存图像名
        img_name = "img{}.png".format(imgcount)
        
        # 如果pix.n<5,可以直接存为PNG
        if pix.n < 5:
            try:
                pix.writePNG(os.path.join(pic_path, img_name))
                pix = None
            except:
                pix0 = fitz.Pixmap(fitz.csRGB, pix)
                pix0.writePNG(os.path.join(pic_path, img_name))
                pix0 = None

if __name__ == '__main__':
    # pdf路径
    path = r'test.pdf'
	
	# 保存的图片路径
    pic_path = 'img'
    
    pdf2pic(path, pic_path)

转载于Python使用Fitz库提取PDF格式的图像（适用于各种类型的PDF）,利用,fitz,pdf,中,图片,针对,多种类型

相关文章