前言:下面的代码有注释,下面的也是参考别人的,但是忘记来源了,因为时间隔太久了,哪位小伙伴看到了,可以提一下链接
方法一,这个测试是有用的,fitz(要install pymupdf)
#!/usr/bin/python3
# -*- coding: utf-8 -*-
# @Time : 2019/3/19 08:51
# @Author : qizai
# @File : fetch_pdf_v1.py
# @Software: PyCharm
import fitz # pip3 install pymupdf
import time
import re
import os
def get_image(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: 无return
'''
t0 = time.clock()
# 00、使用正则表达式查找PDF中的图片
checkXO = r"/Type(?= */XObject)"
checkIM = r"/Subtype(?= */Image)"
# 一、打开pdf,打印PDF的相关信息
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))
# 二、遍历PDF中的对象,遇到是图像才进行下一步,不然就continue
for i in range(1, lenXREF):
# 定义对象字符串
# text = doc._getObjectString(i)
text = doc._getXrefString(i)
# print(text)
# continue
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:
print("不是图片")
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)