参考博文:https://zhuanlan.zhihu.com/p/162770223
import os
import fitz
base_path = 'F:/workshop/chineseocr-app/train/data/invoice/PDF/'
filenames = os.listdir(base_path)
OUT_PATH = 'F:/workshop/chineseocr-app/train/data/invoice/IMG/'
for filename in filenames:
full_path = os.path.join(base_path, filename) # 拼接,得到PDF文件的绝对路径
print(full_path)
doc = fitz.open(full_path) # 打开一个PDF文件,doc为Document类型,是一个包含每一页PDF文件的列表
rotate = int(0) # 设置图片的旋转角度
zoom_x = 2.0 # 设置图片相对于PDF文件在X轴上的缩放比例
zoom_y = 2.0 # 设置图片相对于PDF文件在Y轴上的缩放比例
trans = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)
print("%s开始转换..." % filename)
if doc.pageCount > 1: # 获取PDF的页数
for pg in range(doc.pageCount):
page = doc[pg] # 获得第pg页
pm = page.getPixmap(matrix=trans, alpha=False) # 将其转化为光栅文件(位数)
new_full_name = filename.split(".")[0] # 保证输出的文件名不变
pm.writeImage(OUT_PATH+"%s%s.jpg" % (new_full_name, pg)) # 将其输入为相应的图片格式,可以为位图,也可以为矢量图
# 我本来想输出为jpg文件,但是在网页中都是png格式(即调用writePNG),再转换成别的图像文件前,最好查一下是否支持
else:
page = doc[0]
pm = page.getPixmap(matrix=trans, alpha=False)
new_full_name = filename.split(".")[0]
pm.writeImage(OUT_PATH+"%s.jpg" % new_full_name)
print("%s转换完成!" % filename)