22-4-批量提取和保存文件夹下pdf文件中的图片

本文链接：https://blog.csdn.net/m0_46588116/article/details/123021961

该博客介绍了一个Python脚本，用于从PDF文件中提取并转换图像。脚本利用fitz库，通过正则表达式查找图像对象，将找到的图片保存为PNG格式。它还提供了创建目标保存目录的功能，并能处理CMYK颜色空间的图像。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import fitz
import time
import re
import os

def pdf2pic(path, pic_path):
    t0 = time.clock()                          # 生成图片初始时间
    checkXO = r"/Type(?= */XObject)"           # 使用正则表达式来查找图片
    checkIM = r"/Subtype(?= */Image)"
    doc = fitz.open(path)                      # 打开pdf文件
    imgcount = 0                               # 图片计数
    lenXREF = doc._getXrefLength()             # 获取对象数量长度

    # 打印PDF的信息
    print("文件名:{}, 页数: {}, 对象: {}".format(path, len(doc), lenXREF - 1))

    # 遍历每一个对象
    for i in range(1, lenXREF):
        text = doc._getXrefString(i)            # 定义对象字符串
        isXObject = re.search(checkXO, text)    # 使用正则表达式查看是否是对象
        isImage = re.search(checkIM, text)      # 使用正则表达式查看是否是图片
        if not isXObject or not isImage:        # 如果不是对象也不是图片，则continue
            continue
        imgcount += 1
        pix = fitz.Pixmap(doc, i)               # 生成图像对象
        #图象命名为pdf文件名字
        name_pic = path.split("_")[-1]
        name_pic2 = str(name_pic.split(".")[0])
        new_name = name_pic2+str(imgcount)+".png"             # 注意imgcount用来区别图1、2
        
        if pix.n < 5:                           # 如果pix.n<5,可以直接存为PNG
            pix.writePNG(os.path.join(pic_path, new_name))
        else:                                   # 否则先转换CMYK
            pix0 = fitz.Pixmap(fitz.csRGB, pix)
            pix0.writePNG(os.path.join(pic_path, new_name))
            pix0 = None
        pix = None                              # 释放资源
        #t1 = time.clock()                       # 图片完成时间
        #print("运行时间:{}s".format(t1 - t0))
        print("提取了{}张图片".format(imgcount))

#%%-------------------------运行程序-------------------------
if __name__=='__main__':    
    pic_path = r"E:\a毕业设计\a数据\中国建设统计年鉴_图片"       #文件夹
    # 创建保存图片的文件夹
    if os.path.exists(pic_path):
        print("文件夹已存在，不必重新创建！")
        pass
    else:
        os.mkdir(pic_path)
    
    
    paths = r"E:\a毕业设计\a数据\中国建设统计年鉴2"
    path_list=os.listdir(paths)
    for i in path_list:
        path = os.path.join(paths,str(i))
        pdf2pic(path, pic_path)