由于项目需要将PDF文档当中的图片转换成图片,所以参考了这篇文章https://blog.csdn.net/qq_15969343/article/details/81673302后项目得以解决。
1、安装第三方类库pymupdf:pip install pymupdf
2、安装完成后直接上代码,代码如下:
import fitz import time import re import os def pdf2pic(path, pic_path): t0 = time.clock() # 生成图片初始时间 checkXO = r"/Type(?= */XObject)" # 使用正则表达式来查找图片 checkIM = r"/Subtype(?= */Image)" doc = fitz.open(path) # 打开pdf文件 imgcount = 0 # 图片计数 lenXREF = doc._getXrefLength() # 获取对象数量长度 # 打印PDF的信息 print("文件名:{}, 页数: {}, 对象: {}".format(path, len(doc), lenXREF - 1)) # 遍历每一个对象 for i in range(1, lenXREF): text = doc._getXrefString(i) # 定义对象字符串 isXObject = re.search(checkXO, text) # 使用正则表达式查看是否是对象 isImage = re.search(checkIM, text) # 使用正则表达式查看是否是图片 if not isXObject or not isImage: # 如果不是对象也不是图片,则continue continue imgcount += 1 pix = fitz.Pixmap(doc, i) # 生成图像对象 new_name = "图片{}.png".format(imgcount) # 生成图片的名称 if pix.n < 5: # 如果pix.n<5,可以直接存为PNG pix.writePNG(os.path.join(pic_path, new_name)) else: # 否则先转换CMYK pix0 = fitz.Pixmap(fitz.csRGB, pix) pix0.writePNG(os.path.join(pic_path, new_name)) pix0 = None pix = None # 释放资源 t1 = time.clock() # 图片完成时间 print("运行时间:{}s".format(t1 - t0)) print("提取了{}张图片".format(imgcount)) if __name__=='__main__': path = r"C:UserslenovoDesktop数据.pdf" pic_path = r'C:UserslenovoDesktop图片' # 创建保存图片的文件夹 if os.path.exists(pic_path): print("文件夹已存在,不必重新创建!") pass else: os.mkdir(pic_path) pdf2pic(path, pic_path)
3、运行结果
文件名:C:UserslenovoDesktop数据.pdf, 页数: 51, 对象: 156 运行时间:1.0037559488187855s 提取了1张图片 运行时间:1.9240614402553362s 提取了2张图片 运行时间:2.8580821293209087s 提取了3张图片 运行时间:3.59311390384999s 提取了4张图片 运行时间:4.055301359322903s 提取了5张图片 运行时间:4.861761705280556s