首先安装pymupdf模块
pip install pymupdf -i https://pypi.tuna.tsinghua.edu.cn/simple
安装失败了
fitz_wrap.c
./fitz/fitz_wrap.c(2754): fatal error C1083: 无法打开包括文件: “fitz.h”: No such file or directory
error: command 'C:\\Program Files (x86)\\Microsoft Visual Studio 14.0\\VC\\BIN\\x86_amd64\\cl.exe' failed with exit status 2
----------------------------------------
Failed building wheel for pymupdf
Running setup.py clean for pymupdf
Failed to build pymupdf
fitz_wrap.c
./fitz/fitz_wrap.c(2754): fatal error C1083: 无法打开包括文件: “fitz.h”: No such file or directory
error: command 'C:\\Program Files (x86)\\Microsoft Visual Studio 14.0\\VC\\BIN\\x86_amd64\\cl.exe' failed with exit status 2
----------------------------------------
Command "c:\users\administrator\anaconda3\python.exe -u -c "import setuptools, tokenize;__file__='C:\\Users\\ADMINI~1\\AppData\\Local\\Temp\\pip-install-b8y2vn5k\\pymupdf\\setup.py';f=getattr(tokenize, 'open', open)(__file__);code=f.read().replace('\r\n', '\n');f.close();exec(compile(code, __file__, 'exec'))" install --record C:\Users\ADMINI~1\AppData\Local\Temp\pip-record-9b6wt688\install-record.txt --single-version-externally-managed --compile" failed with error code 1 in C:\Users\ADMINI~1\AppData\Local\Temp\pip-install-b8y2vn5k\pymupdf\
百度找到pymupdf官网
https://pypi.org/project/PyMuPDF/
发现有这样一条:
PyMuPDF 应该在 MuPDF 和 Python 3.6+ 都支持的所有平台上运行。这些包括但不限于 Windows、Mac OSX 和
Linux,32 位或 64 位。如果您可以在 Python 支持的平台上生成 MuPDF,那么 PyMuPDF 也可以在那里使用。PyMuPDF 托管在GitHub 上,您可以在其中找到有关其功能、我们的问题跟踪器、Wiki等的最新信息。
查看python版本,python3.5。
使用conda建立py3.7环境:
conda create --name python37 python=3.7
激活环境
activate python37
再安装pymuodf,成功。
使用以下代码进行pdf拆分
import fitz
import re
import os
file_path = r'C:\Users\Administrator\Desktop\PDF_test\test.pdf' # PDF 文件路径
dir_path = r'C:\Users\Administrator\Desktop\PDF_test' # 存放图片的文件夹
def pdf2image1(path, pic_path):
checkIM = r"/Subtype(?= */Image)" # 正则表达式
pdf = fitz.open(path)
lenXREF = pdf.xref_length() # 最新fitz库是没有._getXrefLength()
count = 1
for i in range(1, lenXREF):
text = pdf.xref_object(i)# 最新fitz库是没有.getObjectString()
isImage = re.search(checkIM, text)
if not isImage:
continue
pix = fitz.Pixmap(pdf, i)
if pix.size < 10000: # 在这里添加一处判断一个循环
continue # 不符合阈值则跳过至下
new_name = f"img_{count}.png"
pix.writePNG(os.path.join(pic_path, new_name))
count += 1
pix = None
pdf2image1(file_path, dir_path)
可以把pdf中所有图片挨个找出来保存成图片,而不是直接把一页保存成图片。