pip install pymupdf 但注意导入时使用<代码> 进口菲茨一样导入模块!
下面的代码就利用<代码> fitz> import 菲茨
import 再保险
import 操作系统
时间=file_path " # 39; C: \ xxx \ xxx.pdf& # 39;, #, PDF 文件路径
时间=dir_path " # 39; C: \ xxx # 39;, #,存放图片的文件夹
def pdf2image1(路径,pic_path):
checkIM 才能=,r"/亚型(?=,*/图片),
时间=pdf 才能;fitz.open(路径)
时间=lenXREF 才能;pdf._getXrefLength ()
count 才能=1
for 才能小姐:拷贝范围(1,lenXREF):
,,,text =, pdf._getXrefString(我)
,,,isImage =, re.search (checkIM,文本)
,,,if not isImage:
,,,,,继续
,,,pix =, fitz.Pixmap (pdf,,我)
,,,new_name =, f" img_{数}.png"
,,,pix.writePNG (os.path.join (pic_path, new_name))
,,,count +=1
,,,pix =,没有
pdf2image1 (file_path, dir_path) 运行提取示例文件后结果如下:
可以看的到,有一些很小的色块也被提取成图片,那么怎么过滤掉它们呢?
有一个简单的方法是通过大小过滤,影片像素在菲茨库中存在一个重要的方法沥青。大小可以反映像素多少,简单的色素块该值较低,可以通过设置一个阈值过滤。以阈值为10000例过滤:
import 菲茨
import 再保险
import 操作系统
时间=file_path " # 39; C: \ xxx \ xxx.pdf& # 39;, #, PDF 文件路径
时间=dir_path " # 39; C: \ xxx # 39;, #,存放图片的文件夹
def pdf2image1(路径,pic_path):
checkIM 才能=,r"/亚型(?=,*/图片),
时间=pdf 才能;fitz.open(路径)
时间=lenXREF 才能;pdf._getXrefLength ()
count 才能=1
for 才能小姐:拷贝范围(1,lenXREF):
,,,text =, pdf._getXrefString(我)
,,,isImage =, re.search (checkIM,文本)
,,,if not isImage:
,,,,,继续
,,,pix =, fitz.Pixmap (pdf,,我)
,,,if pix.size & lt;, 10000, #,在这里添加一处判断一个循环
,,,,,continue #,不符合阈值则跳过至下
,,,new_name =, f" img_{数}.png"
,,,pix.writePNG (os.path.join (pic_path, new_name))
,,,count +=1
,,,pix =,没有
pdf2image1 (file_path, dir_path) 
可以看的到,全部图片都被正常提取!
基于pdf2image库的两种方法
一看名字就知道这个库的用处了,官方文档为https://www.cnpython.com/pypi/pdf2image
可以简单通过<代码> pip安装pdf2image 安装,但波普尔才是真正起做用的转换器,因此需要额外安装和配置:
<李> 窗口用户必须安装<代码>波普尔为windows> <李>
Mac用户必须安装<代码>波普尔对Mac
具体发挥作用的代码官方文档也给出了详细的说明:
那么我们就分别尝试这两种方法:
得到pdf2image import convert_from_path convert_from_bytes
import tempfile
得到pdf2image.exceptions import PDFInfoNotInstalledError, PDFPageCountError, PDFSyntaxError
import 操作系统
时间=file_path " # 39; C: \ xxx \ xxx.pdf& # 39;, #, PDF 文件路径
时间=dir_path " # 39; C: \ xxx # 39;, #,存放图片的文件夹
def pdf2image2 (file_path, dir_path):
时间=images 才能;convert_from_path (file_path, dpi=200)
for 才能;image 拷贝图片:
,,,if not os.path.exists (dir_path):
,,,,,os.makedirs (dir_path)
,,,image.save(时间+ file_path f # 39; \ img_ {images.index(图片)}. png # 39;,, & # 39; png # 39;)
pdf2image2 (file_path, dir_path)
