# 安裝第三方類庫pymupdf:pip install pymupdf
import fitz
import time
import re
import os
# 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.perf_counter()
# 使用正則表達式來查找圖片
checkXO = r"/Type(?= */XObject)"
checkIM = r"/Subtype(?= */Image)"
# 打印PDF的相關信息
# 打開pdf
doc = fitz.open(path)
# 圖片計數
imgcount = 0
lenXREF = doc._getXrefLength()
# 打印PDF的信息
print("文件名:{}, 頁數: {}, 對象: {}".format(path, len(doc), lenXREF - 1))
# 遍歷PDF中的對象,遇到是圖像才進行下一步,不然就continue
# 遍歷每一個對象
for i in range(1, lenXREF):
# 定義對象字符串
text = doc._getXrefString(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
# 根據索引生成圖像
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(':', '')
# 將圖像存爲png格式
# 如果pix.n<5,可以直接存爲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.perf_counter()
print("運行時間:{}s".format(t1 - t0))
print("提取了{}張圖片".format(imgcount))
# 輸入pdf路徑,即可運行
if __name__=='__main__':
# pdf路徑
path = r'.pdf'
pic_path = r'C:\Users\13327\Desktop\圖片'
# 創建保存圖片的文件夾
if os.path.exists(pic_path):
print("文件夾已存在,請重新創建新文件夾!")
raise SystemExit
else:
os.mkdir(pic_path)
m = pdf2pic(path, pic_path)
python3 pdf中圖片提取
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.