Python提取PDF中的圖片的實現(xiàn)示例

更新時間：2022年07月20日 11:50:03 作者：Jayce~

本文主要介紹了Python提取PDF中的圖片的實現(xiàn)示例，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

1.導入相關(guān)庫

import fitz
import time
import re
import os

2.具體實現(xiàn)

為了方便和其他模塊組合，我直接寫了個函數(shù)完成這個功能，實現(xiàn)如下：

2.1.使用正則表達式查找PDF中的圖片

def pdf2pic(path, pic_path):
    '''
    # 從pdf中提取圖片
    :param path: pdf的路徑
    :param pic_path: 圖片保存的路徑
    :return:
    '''
    t0 = time.clock()
    # 使用正則表達式來查找圖片
    checkXO = r"/Type(?= */XObject)" 
    checkIM = r"/Subtype(?= */Image)"

2.2.打印PDF的相關(guān)信息

    # 打開pdf
    doc = fitz.open(path)
    # 圖片計數(shù)
    imgcount = 0
    lenXREF = doc._getXrefLength()
 
    # 打印PDF的信息
    print("文件名:{}, 頁數(shù): {}, 對象: {}".format(path, len(doc), lenXREF - 1))

2.3.遍歷PDF中的對象，遇到是圖像才進行下一步，不然就continue

并且我們將文件的名字命名為word所在的路徑

    # 遍歷每一個對象
    for i in range(1, lenXREF):
        # 定義對象字符串
        text = doc.getObjectString(i)
        isXObject = re.search(checkXO, text)
        # 使用正則表達式查看是否是圖片
        isImage = re.search(checkIM, text)
        # 如果不是對象也不是圖片，則continue
        if not isXObject or not isImage:
            continue
        imgcount += 1
        # 根據(jù)索引生成圖像
        pix = fitz.Pixmap(doc, i)
        # 根據(jù)pdf的路徑生成圖片的名稱
        new_name = path.replace('\\', '_') + "_img{}.png".format(imgcount)
        new_name = new_name.replace(':', '')

2.4.將圖像存為png格式

        # 如果pix.n<5,可以直接存為PNG
        if pix.n < 5:
            pix.writePNG(os.path.join(pic_path, new_name))
        # 否則先轉(zhuǎn)換CMYK
        else:
            pix0 = fitz.Pixmap(fitz.csRGB, pix)
            pix0.writePNG(os.path.join(pic_path, new_name))
            pix0 = None
        # 釋放資源
        pix = None
        t1 = time.clock()
        print("運行時間:{}s".format(t1 - t0))
        print("提取了{}張圖片".format(imgcount))

2.5.輸入pdf路徑，即可運行

if __name__=='__main__':
    # pdf路徑
    path = r'E:\dogcat\提取圖片\計算機視覺算法工程師.pdf'
    pic_path = r'E:\dogcat\提取圖片\測試'
    # 創(chuàng)建保存圖片的文件夾
    if os.path.exists(pic_path):
        print("文件夾已存在，請重新創(chuàng)建新文件夾！")
        raise SystemExit
    else:
        os.mkdir(pic_path)
    m = pdf2pic(path, pic_path)