Python提取PDF中的图片

  ⚡博主自用Office 365,快来小可爱拼车!⚡:

🍎🍎博主自用Office 365家庭版全家桶 + OneDrive 1TB拼车,40/年,来长期拼的!icon-default.png?t=N7T8https://blog.csdn.net/qq_15969343/article/details/141813155


# 2018/08/16更新:

fitz库是pymupdf中的一个模块,操作PDF非常舒服,只需要pip安装即可:

pip install pymupdf

Python提取word中的图片(需要的自取):

Python提取Word中的图片

最近项目需要把word、PDF中的图片专门提取出来保存到另外的文件夹,最终成功实现;

最近项目需要把word、PDF中的图片专门提取出来保存到另外的文件夹,最终成功实现;

最近项目需要把word、PDF中的图片专门提取出来保存到另外的文件夹,最终成功实现;

重要的事情说三遍,详细步骤记录如下:
 


Python提取PDF中的图片

1.导入相关库

2.具体实现

2.1.使用正则表达式查找PDF中的图片

2.2.打印PDF的相关信息

2.3.遍历PDF中的对象,遇到是图像才进行下一步,不然就continue

2.4.将图像存为png格式

2.5.输入pdf路径,即可运行

3.结果预览

3.1.程序结果

3.2.原本的pdf

3.3.提取出来的图片


完整程序获取:

        1.百度网盘下载我提供的工具:Python提取PDF中的图片

        链接:https://pan.baidu.com/s/1Ha6W4U31kPOTufXGh5A31Q?pwd=skfx 提取码:skfx

注意:不要直接点击,右键复制后打开!!!
 

下载后打开“微信支付.png”使用微信扫码支付:

       获取压缩包密码:

               付款后微信留言购买的资源名称(上方橙色文字),博主会微信回复你解压密码(推荐,不需要加好友):

                         →  → 

               

1.导入相关库

import fitz
import time
import re
import os

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:

2.1.使用正则表达式查找PDF中的图片

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)"  

2.2.打印PDF的相关信息

    # 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))

2.3.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

    # 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(':', '')

2.4.将图像存为png格式

2.5.输入pdf路径,即可运行

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)

3.结果预览

3.1.程序结果

3.2.原本的pdf

3.3.提取出来的图片

都看到这里了,还不赶紧点赞评论收藏走一波? 

评论 74
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

打赏作者

任博啥时候能毕业?

有用的话,请博主喝杯咖啡吧!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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