经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
当前位置:技术经验 » 程序设计 » Python » 查看文章
Python提取PDF中的图片的实现示例
来源:jb51  时间:2022/7/20 13:09:06  对本文有异议

1.导入相关库

  1. import fitz
  2. import time
  3. import re
  4. 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:

2.1.使用正则表达式查找PDF中的图片

  1. def pdf2pic(path, pic_path):
  2. '''
  3. # 从pdf中提取图片
  4. :param path: pdf的路径
  5. :param pic_path: 图片保存的路径
  6. :return:
  7. '''
  8. t0 = time.clock()
  9. # 使用正则表达式来查找图片
  10. checkXO = r"/Type(?= */XObject)"
  11. checkIM = r"/Subtype(?= */Image)"

2.2.打印PDF的相关信息

  1. # 打开pdf
  2. doc = fitz.open(path)
  3. # 图片计数
  4. imgcount = 0
  5. lenXREF = doc._getXrefLength()
  6. # 打印PDF的信息
  7. print("文件名:{}, 页数: {}, 对象: {}".format(path, len(doc), lenXREF - 1))

2.3.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

  1. # 遍历每一个对象
  2. for i in range(1, lenXREF):
  3. # 定义对象字符串
  4. text = doc.getObjectString(i)
  5. isXObject = re.search(checkXO, text)
  6. # 使用正则表达式查看是否是图片
  7. isImage = re.search(checkIM, text)
  8. # 如果不是对象也不是图片,则continue
  9. if not isXObject or not isImage:
  10. continue
  11. imgcount += 1
  12. # 根据索引生成图像
  13. pix = fitz.Pixmap(doc, i)
  14. # 根据pdf的路径生成图片的名称
  15. new_name = path.replace('\\', '_') + "_img{}.png".format(imgcount)
  16. new_name = new_name.replace(':', '')

2.4.将图像存为png格式

  1. # 如果pix.n<5,可以直接存为PNG
  2. if pix.n < 5:
  3. pix.writePNG(os.path.join(pic_path, new_name))
  4. # 否则先转换CMYK
  5. else:
  6. pix0 = fitz.Pixmap(fitz.csRGB, pix)
  7. pix0.writePNG(os.path.join(pic_path, new_name))
  8. pix0 = None
  9. # 释放资源
  10. pix = None
  11. t1 = time.clock()
  12. print("运行时间:{}s".format(t1 - t0))
  13. print("提取了{}张图片".format(imgcount))

2.5.输入pdf路径,即可运行

  1. if __name__=='__main__':
  2. # pdf路径
  3. path = r'E:\dogcat\提取图片\计算机视觉算法工程师.pdf'
  4. pic_path = r'E:\dogcat\提取图片\测试'
  5. # 创建保存图片的文件夹
  6. if os.path.exists(pic_path):
  7. print("文件夹已存在,请重新创建新文件夹!")
  8. raise SystemExit
  9. else:
  10. os.mkdir(pic_path)
  11. m = pdf2pic(path, pic_path)

3.结果预览

3.1.程序结果

3.2.原本的pdf

3.3.提取出来的图片

到此这篇关于Python提取PDF中的图片的实现示例的文章就介绍到这了,更多相关Python提取PDF图片内容请搜索w3xue以前的文章或继续浏览下面的相关文章希望大家以后多多支持w3xue!

 友情链接:直通硅谷  点职佳  北美留学生论坛

本站QQ群:前端 618073944 | Java 606181507 | Python 626812652 | C/C++ 612253063 | 微信 634508462 | 苹果 692586424 | C#/.net 182808419 | PHP 305140648 | 运维 608723728

W3xue 的所有内容仅供测试,对任何法律问题及风险不承担任何责任。通过使用本站内容随之而来的风险与本站无关。
关于我们  |  意见建议  |  捐助我们  |  报错有奖  |  广告合作、友情链接(目前9元/月)请联系QQ:27243702 沸活量
皖ICP备17017327号-2 皖公网安备34020702000426号