|
本文的任务是从 PDF 文件中提取图像，并使用 Python 中将 PDF 页面转换为图像。为了实现使用 Python 从 PDF 文件中提取图像，需要安装使用 Fitz、PyMuPDF、Pillow 库。 Fitz 库是一个图像处理库，主要用于打开 PDF、TIFF 和 JPEG 格式的图像，读取和写入 PDF 文件，提取 PDF 页面以及在页面上进行标记和注释。 PyMuPDF 是一个基于 Python 的开源 PDF 处理库，提供了一系列的 PDF 文档处理功能。 从 PDF 中提取图像import fitz
# 设置 PDF 文件路径
file = "6.pdf"
# 打开 PDF 文件
pdf_file = fitz.open(file)
# 遍历 PDF 页面
for page_index in range(len(pdf_file)):
# 获取 PDF 页面
page = pdf_file[page_index]
# 获取页面上所有图像
image_list = page.get_images()
# 输出此页面中找到的图像数量
if image_list:
print(
f"[+] 在页面：{page_index}，总共发现 {len(image_list)} 张图片。")
else:
print(f"[+] 在页面：{page_index}，没有发现图片。")
for image_index, img in enumerate(page.get_images(), start=1):
# 获取图像的XREF编号和图像数据
xref = img[0]
pix = fitz.Pixmap(pdf_file, xref)
# 保存图像
if str(fitz.csRGB) == str(pix.colorspace):
img_path = f'image{page_index+1}_{xref}.png'
pix.save(img_path)
print(f"[+] 已保存所有图片。")
以上代码运行后会保存 PDF 文件中的所有图像并有以下输出： [+] 在页面：0，总共发现 1 张图片。
[+] 在页面：1，没有发现图片。
[+] 已保存所有图片。
将 PDF 页面转换为图像如果将 PDF 页面转换为图像，只需要遍历所有 PDF 页面，使用 get_pixmap() 方法将 PDF 转换为图像，然后保存图像。 import fitz
doc = fitz.open('1.pdf')
for page in doc:
pix = page.get_pixmap(matrix=fitz.Identity, dpi=None, colorspace=fitz.csRGB, clip=None, alpha=True, annots=True)
pix.save(f"pdfimage-{page.number}.png")
以上代码将 PDF 页面转换为 PNG 图像，PNG 图像可以实现背景透明。如果需要保存 JPG 图像，需要去掉 get_pixmap() 中的参数 alpha=True。
|
