• 技术文章 >Python技术 >Python基础教程

    Python如何读取pdf中的图片

    2021-04-15 10:53:14原创6667
    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

    1

    2

    3

    4

    <p style="line-height: 1.75em;"><span style="font-family: 微软雅黑, "Microsoft YaHei";">import fitz

    import time

    import re

    import os<br></span></p>


    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

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    <p style="line-height: 1.75em;"><span style="font-family: 微软雅黑, "Microsoft YaHei";">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)"  <br></span></p>

    (2)打印PDF的相关信息

    1

    2

    3

    4

    5

    6

    7

    8

    <p style="line-height: 1.75em;"><span style="font-family: 微软雅黑, "Microsoft YaHei";">    # 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))<br></span></p>

    (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

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    15

    16

    <p style="line-height: 1.75em;"><span style="font-family: 微软雅黑, "Microsoft YaHei";">    # 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(':', '')<br></span></p>

    (4)将图像存为png格式

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    <p style="line-height: 1.75em;"><span style="font-family: 微软雅黑, "Microsoft YaHei";">        # 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))<br></span></p>

    (5)输入pdf路径,即可运行

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    <p style="line-height: 1.75em;"><span style="font-family: 微软雅黑, "Microsoft YaHei";">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)<br></span></p>

    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。)

    专题推荐:python pdf
    上一篇:Python如何读取excel中的图片 下一篇:解析表格数据,Python与Tika对比

    相关文章推荐

    • python中怎么将pdf内容显示出来?• pdf如何用python读取?• 进阶PDF,就用Python(pdfminer.six和pdfplumber模块)• Python如何读取excel中的图片

    全部评论我要评论

    © 2021 Python学习网 苏ICP备2021003149号-1

  • 取消发布评论
  • 

    Python学习网