提取pdf中的图片及遇到的BUG

最新推荐文章于 2024-09-17 23:15:58 发布

Freedom.JJ

最新推荐文章于 2024-09-17 23:15:58 发布

阅读量117

点赞数

文章标签： python

本文链接：https://blog.csdn.net/qq_37185221/article/details/121809495

版权

文章介绍了在处理PDF文件时遇到的图片提取问题，可能是由于版本不兼容导致。提供了一个使用Python的fitz库解析PDF并提取图片的代码示例，包括检查XObject和Image的正则表达式，以及处理不同颜色空间的图片保存为PNG。

摘要由CSDN通过智能技术生成

1.背景介绍

提取本地的pdf文件中的图片，参考网上教程仍然无法正常运行。研究后，发现可能是版本问题，附安装流程，遇见BUG及解决方式，供参考

2.最终代码

def pdf_img(pdf_path):
    check_xo = r"/Type(?= */XObject)"
    check_img = r"/Subtype(?= */Image)"  # 图片元素

    pdf = fitz.open(pdf_path)
    len_xref = pdf.xref_length()

    for _ in range(1, len_xref):
        text = pdf.xref_object(_)  # getObjectString()不适用，要改成xref_object()
        xo_object = re.search(check_xo, text)
        img_object = re.search(check_img, text)
        if not xo_object or not img_object:
            continue
        pix = fitz.Pixmap(pdf, _)
        if pix.n < 5:
            pix.writePNG('1.png')
        else:
            pix0 = fitz.Pixmap(fitz.csRGB, pix)
            pix0.writePNG('1.png')
            pix0 = None
        pix = None