IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> python导出PDF文件中的图片 -> 正文阅读

[Python知识库]python导出PDF文件中的图片

作者:recommend-item-box type_blog clearfix

直接上代码,不过要先安装pymupdf,使用pymupdf中的fitz导出PDF中的图片

pip install pymupdf

代码:

import fitz
import re
import os
import sys
import _thread
import threading
import time


# PDF转图像函数
def pdf2image(path, pic_path):
    checkIM = r"/Subtype(?= */Image)"
    pdf = fitz.open(path)
    lenXREF = pdf.xref_length()
    count = 1
    imgThreadList = []
    # 创建目录
    if not os.path.exists(pic_path):
        os.mkdir(pic_path)
    # 遍历所有对象
    for i in range(1, lenXREF):
        text = pdf.xref_object(i)
        isImage = re.search(checkIM, text)
        if not isImage:
            continue
        print('开始转换 ' + str(i) + '/' + str(lenXREF))
        pix = fitz.Pixmap(pdf, i)
        # 判断图像大小
        if pix.w < 100 or pix.h < 100:
            print('图像过小(' + str(pix.w()) + ',' + str(pix.h()) + ')')
            continue
        # 图像文件路径名称
        new_name = os.path.join(pic_path, f"img_{count}.png")

        clock1 = time.monotonic()

        # 直接保存
        #pix.writePNG(new_name) #废弃
        pix.save(new_name)
        
        clock2 = time.monotonic()
        print('转换完成(time:' + str(clock2-clock1) + ') ' + str(i) + '/' + str(lenXREF) + ' 图片 -> ' + str(count) + ': ' + new_name)
        count += 1
        pix = None
     


#####################################################################################################
if __name__=='__main__':
    file_path = r'5.pdf' # PDF 文件路径
    dir_path = r'pics' # 存放图片的文件夹
    # 文件当前路径
    print(os.path.split(sys.argv[0])[0])
    print(os.path.split(os.path.realpath(__file__))[0])
    curPath = os.path.split(os.path.realpath(__file__))[0]

    # 开始转换指定文件
    pdf2image(os.path.join(curPath, file_path), os.path.join(curPath, dir_path))


多线程版,实际尝试了一下似乎没什么效果,暂时只保留代码

import fitz
import re
import os
import sys
import _thread
import threading
import time


 
# 自定义保存图片线程类
class myThread (threading.Thread):
    def __init__(self, pdfImg, imgFileName):
        threading.Thread.__init__(self)
        self.pdfImg = pdfImg
        self.imgFileName = imgFileName
    def run(self):
        print ("开始线程:" + self.imgFileName)
        time.sleep(1)
        self.pdfImg.save(self.imgFileName)
        print ("退出线程:" + self.imgFileName)

# 保存图像函数
def mysaveImg(pdfImg, imgFileName):
    time.sleep(1)
    print ("开始保存图片:" + imgFileName)
    pdfImg.save(imgFileName)
    print ("结束保存图片:" + imgFileName)
 


# PDF转图像函数
def pdf2image(path, pic_path):
    checkIM = r"/Subtype(?= */Image)"
    pdf = fitz.open(path)
    lenXREF = pdf.xref_length()
    count = 1
    imgThreadList = []
    # 创建目录
    if not os.path.exists(pic_path):
        os.mkdir(pic_path)
    # 遍历所有对象
    for i in range(1, lenXREF):
        text = pdf.xref_object(i)
        isImage = re.search(checkIM, text)
        if not isImage:
            continue
        print('开始转换 ' + str(i) + '/' + str(lenXREF))
        pix = fitz.Pixmap(pdf, i)
        # 判断图像大小
        if pix.w < 100 or pix.h < 100:
            print('图像过小(' + str(pix.w()) + ',' + str(pix.h()) + ')')
            continue
        # 图像文件路径名称
        new_name = os.path.join(pic_path, f"img_{count}.png")

        clock1 = time.monotonic()

        # 直接保存
        #pix.writePNG(new_name) #废弃
        #pix.save(new_name)
        
        # 虽然使用了多线程,但是保存还是一张一张的保存,原因未知

        #启动一个线程处理
        #thread1 = None
        #thread1 = myThread(pix, new_name)
        #thread1.start()
        #thread1 = None

        # 线程放入一个列表,等会一起启动
        #imgThreadList.append(myThread(pix, new_name))
        
        # 使用线程函数处理
        _thread.start_new_thread( mysaveImg, (pix, new_name, ) )
        
        clock2 = time.monotonic()
        print('转换完成(time:' + str(clock2-clock1) + ') ' + str(i) + '/' + str(lenXREF) + ' 图片 -> ' + str(count) + ': ' + new_name)
        count += 1
        pix = None
    
    # 启动所有线程
    #for imgThread in imgThreadList:
    #    imgThread.start()  
 


#####################################################################################################
if __name__=='__main__':
    file_path = r'5.pdf' # PDF 文件路径
    dir_path = r'5556' # 存放图片的文件夹
    # 文件当前路径
    print(os.path.split(sys.argv[0])[0])
    print(os.path.split(os.path.realpath(__file__))[0])
    curPath = os.path.split(os.path.realpath(__file__))[0]
    # 开始转换指定文件
    #pdf2image(os.path.join(curPath, file_path), os.path.join(curPath, dir_path))
    # 转换多个文件
    for index in range(1, 5+1, 1):
         print('文件:' + os.path.join(curPath, str(index)) + '.pdf')
         pdf2image(os.path.join(curPath, str(index)) + '.pdf', os.path.join(curPath, str(index)))
         




参考:

https://blog.csdn.net/weixin_46737755/article/details/113085763

https://blog.csdn.net/qq_15969343/article/details/81673302

https://blog.csdn.net/weixin_46737755/article/details/113085763

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-12-08 13:46:09  更:2021-12-08 13:47:41 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/16 6:02:29-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码