提取pdf中的圖片 python
阿新 • • 發佈:2019-01-27
import fitz import time import re import os def pdf2pic(path, pic_path): ''' # 從pdf中提取圖片 :param path: pdf的路徑 :param pic_path: 圖片儲存的路徑 :return: ''' t0 = time.clock() # 使用正則表示式來查詢圖片 checkXO = r"/Type(?= */XObject)" checkIM = r"/Subtype(?= */Image)" # 開啟pdf doc = fitz.open(path) # 圖片計數 imgcount = 0 lenXREF = doc._getXrefLength() # 列印PDF的資訊 print("檔名:{}, 頁數: {}, 物件: {}".format(path, len(doc), lenXREF - 1)) # 遍歷每一個物件 for i in range(1, lenXREF): # 定義物件字串 text = doc._getObjectString(i) isXObject = re.search(checkXO, text) # 使用正則表示式檢視是否是圖片 isImage = re.search(checkIM, text) # 如果不是物件也不是圖片,則continue if not isXObject or not isImage: continue imgcount += 1 # 根據索引生成影象 pix = fitz.Pixmap(doc, i) # 根據pdf的路徑生成圖片的名稱 new_name = path.replace('\\', '_') + "_img{}.png".format(imgcount) new_name = new_name.replace(':', '') # 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("執行時間:{}s".format(t1 - t0)) print("提取了{}張圖片".format(imgcount)) if __name__=='__main__': # pdf路徑 path = r'E:\example\pdf\03.pdf' pic_path = r'E:\example\picture\03' # 建立儲存圖片的資料夾 pdf2pic(path, pic_path)
fitz是pymupdf的一個模組 pip install pymupdf