Python如何读取pdf中的图片

1,817次阅读
没有评论

本篇就在Python中读取pdf图片较上篇读取excel的略微复杂,相信小伙们已经准备好迎接今天的挑战,接下来一起看看吧:

1.倒入相关库

import fitz import time import re import os

</pre>
 

2.具体实现

为了方便和其他模块组合,我直接写了个函数完成这个功能,实现如下:

(1)使用正则表达式查找PDF中的图片

def pdf2pic(path, pic_path):    ”’    # 从pdf中提取图片    :param path: pdf的路径    :param pic_path: 图片保存的路径    :return:    ”’    t0 = time.clock()    # 使用正则表达式来查找图片    checkXO = r”/Type(?= */XObject)”    checkIM = r”/Subtype(?= */Image)”
<pre class="brush:js;toolbar:false">

(2)打印PDF的相关信息

# 打开pdf    doc = fitz.open(path)    # 图片计数    imgcount = 0    lenXREF = doc._getXrefLength()    # 打印PDF的信息    print(“文件名:{}, 页数: {}, 对象: {}”.format(path, len(doc), lenXREF – 1))

</pre>
(3)遍历PDF中的对象,遇到是图像才进行下一步,不然就continue

并且我们将文件的名字命名为word所在的路径

# 遍历每一个对象    for i in range(1, lenXREF):        # 定义对象字符串        text = doc.getObjectString(i)        isXObject = re.search(checkXO, text)        # 使用正则表达式查看是否是图片        isImage = re.search(checkIM, text)        # 如果不是对象也不是图片,则continue        if not isXObject or not isImage:            continue        imgcount += 1        # 根据索引生成图像        pix = fitz.Pixmap(doc, i)        # 根据pdf的路径生成图片的名称        new_name = path.replace(‘\\’, ‘_’) + “_img{}.png”.format(imgcount)        new_name = new_name.replace(‘:’, ”)
<pre class="brush:js;toolbar:false">

(4)将图像存为png格式

# 如果pix.n<5,可以直接存为PNG        if pix.n < 5:            pix.writePNG(os.path.join(pic_path, new_name))        # 否则先转换CMYK        else:            pix0 = fitz.Pixmap(fitz.csRGB, pix)            pix0.writePNG(os.path.join(pic_path, new_name))            pix0 = None        # 释放资源        pix = None        t1 = time.clock()        print(“运行时间:{}s”.format(t1 – t0))        print(“提取了{}张图片”.format(imgcount))

</pre>
(5)输入pdf路径,即可运行

if __name__==’__main__’:    # pdf路径    path = r’E:\dogcat\提取图片\计算机视觉算法工程师.pdf’    pic_path = r’E:\dogcat\提取图片\测试’    # 创建保存图片的文件夹    if os.path.exists(pic_path):        print(“文件夹已存在,请重新创建新文件夹!”)        raise SystemExit    else:        os.mkdir(pic_path)    m = pdf2pic(path, pic_path)
<pre class="brush:js;toolbar:false">

3.结果预览

(1)程序结果:

Python如何读取pdf中的图片

(2)原本的pdf:

Python如何读取pdf中的图片

(3)提取出来的图片

到这里,三种不同软件用Python读取图片的方法全部讲完了,大家可以根据需要自由选择。

神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试

相关文章:

版权声明:wuyou2021-06-08发表,共计1669字。
新手QQ群:570568346,欢迎进群讨论 Python51学习