Python如何读取pdf中的图片-图灵python

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

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)"

（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))

（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(':', '')

（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))

（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)

3.结果预览

（1）程序结果：

（2）原本的pdf:

（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。

更多Python学习推荐:PyThon学习网教学中心。

（推荐操作系统：windows7系统、Python 3.9.1，DELL G3电脑。）