工具:通过Python fitz 提取PDF内的图片

通过Python fitz 提取PDF内的图片

# 打开pdf读取文本和图片内容
# pip install PyMuPDF

import os
import sys
import fitz

if __name__ == '__main__':

    # print(sys.argv)

    pdf_document = input('>>> 请输入目标PDF文件路径:')

    # 打开pdf文件
    doc = fitz.open(pdf_document)

    # 获取pdf信息
    # print(doc.metadata)  

    # 获取pdf页数
    pages_count = doc.page_count
    print(f'"{pdf_document}"总共{pages_count}页')

    # images save path
    images_save_prefix = os.path.abspath(pdf_document)[:-4]

    # 逐页读取数据
    for i in range(pages_count):

        # 读取PDF第i页
        print(f"开始读取第{i + 1}页")
        page = doc.load_page(i) 

        # 获取文本信息
        page_text = page.get_text("text") 
        # print(page_text)

        # 获取图片信息
        page_images = doc.get_page_images(i)

        page_img_idx = 0
        # 转存图片数据
        for image in page_images:
            # load img data
            xref = image[0]
            pix = fitz.Pixmap(doc, xref)
            # image save path
            page_img_idx += 1
            save_path = f"{images_save_prefix}_page{i}_{page_img_idx:03d}.png"
            # save
            if pix.n < 5:       
                # GRAY or RGB
                pix.save(save_path)
            else:               
                # CMYK
                pix1 = fitz.Pixmap(fitz.csRGB, pix)
                pix1.save(save_path)
                pix1 = None
            pix = None

    print('执行完成!')

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值