Python實(shí)現(xiàn)快速提取PDF文檔中的圖片

更新時(shí)間：2023年06月06日 12:02:12 作者：Python?集中營(yíng)

提取PDF文檔中的圖片是一項(xiàng)常見(jiàn)的任務(wù)，本文將介紹如何使用PyPDF2和pdfminer.six這兩個(gè)庫(kù)來(lái)提取PDF文檔中的圖片，感興趣的可以了解一下

PyPDF2

PyPDF2是一個(gè)用于處理PDF文件的Python庫(kù)，可以用于合并、分割、旋轉(zhuǎn)和提取PDF文件中的文本和圖像等操作。

下面是一個(gè)使用PyPDF2庫(kù)提取PDF文檔中圖片的示例代碼：

import?PyPDF2

#?打開(kāi)PDF文件
pdf_file?=?open('example.pdf',?'rb')

#?創(chuàng)建PDF閱讀器對(duì)象
pdf_reader?=?PyPDF2.PdfFileReader(pdf_file)

#?遍歷每一頁(yè)
for?page_num?in?range(pdf_reader.numPages):
????#?獲取當(dāng)前頁(yè)
????page?=?pdf_reader.getPage(page_num)
????#?獲取當(dāng)前頁(yè)中的所有XObject對(duì)象
????xobjects?=?page['/Resources']['/XObject'].getObject()
????#?遍歷所有XObject對(duì)象
????for?obj?in?xobjects:
????????#?如果當(dāng)前對(duì)象是圖像
????????if?xobjects[obj]['/Subtype']?==?'/Image':
????????????#?獲取圖像的字節(jié)流
????????????image_data?=?xobjects[obj].getData()
????????????#?保存圖像到文件
????????????with?open('image{}.jpg'.format(page_num),?'wb')?as?f:
????????????????f.write(image_data)

在上面的代碼中，我們首先打開(kāi)PDF文件，然后創(chuàng)建一個(gè)PDF閱讀器對(duì)象。

接著，我們遍歷每一頁(yè)，獲取當(dāng)前頁(yè)中的所有XObject對(duì)象，然后遍歷所有XObject對(duì)象，如果當(dāng)前對(duì)象是圖像，就獲取圖像的字節(jié)流并保存到文件中。

pdfminer.six

pdfminer.six是一個(gè)用于提取PDF文本和元數(shù)據(jù)的Python庫(kù)，它可以將PDF文檔轉(zhuǎn)換為HTML、XML和文本格式。

下面是一個(gè)使用pdfminer.six庫(kù)提取PDF文檔中圖片的示例代碼：

from?pdfminer.pdfparser?import?PDFParser
from?pdfminer.pdfdocument?import?PDFDocument
from?pdfminer.pdftypes?import?resolve1
from?pdfminer.pdfpage?import?PDFPage
from?pdfminer.pdfinterp?import?PDFResourceManager,?PDFPageInterpreter
from?pdfminer.converter?import?PDFPageAggregator
from?pdfminer.layout?import?LAParams,?LTImage

#?打開(kāi)PDF文件
pdf_file?=?open('example.pdf',?'rb')

#?創(chuàng)建PDF解析器對(duì)象
parser?=?PDFParser(pdf_file)

#?創(chuàng)建PDF文檔對(duì)象
document?=?PDFDocument(parser)

#?創(chuàng)建PDF資源管理器對(duì)象
rsrcmgr?=?PDFResourceManager()

#?創(chuàng)建PDF設(shè)備對(duì)象
laparams?=?LAParams()
device?=?PDFPageAggregator(rsrcmgr,?laparams=laparams)

#?創(chuàng)建PDF解釋器對(duì)象
interpreter?=?PDFPageInterpreter(rsrcmgr,?device)

#?遍歷每一頁(yè)
for?page?in?PDFPage.create_pages(document):
????#?解析當(dāng)前頁(yè)
????interpreter.process_page(page)
????#?獲取當(dāng)前頁(yè)的LTImage對(duì)象
????layout?=?device.get_result()
????for?element?in?layout:
????????if?isinstance(element,?LTImage):
????????????#?獲取圖像的字節(jié)流
????????????image_data?=?element.stream.get_rawdata()
????????????#?保存圖像到文件
????????????with?open('image{}.jpg'.format(page.pageid),?'wb')?as?f:
????????????????f.write(image_data)

在上面的代碼中，我們首先打開(kāi)PDF文件，然后創(chuàng)建一個(gè)PDF解析器對(duì)象和一個(gè)PDF文檔對(duì)象。

接著，我們創(chuàng)建一個(gè)PDF資源管理器對(duì)象、一個(gè)PDF設(shè)備對(duì)象和一個(gè)PDF解釋器對(duì)象。

然后，我們遍歷每一頁(yè)，解析當(dāng)前頁(yè)并獲取當(dāng)前頁(yè)的LTImage對(duì)象，如果當(dāng)前對(duì)象是圖像，就獲取圖像的字節(jié)流并保存到文件中。