Python---PDF转JPG图片

Python—PDF转JPG图片

三方库安装

需安装pdf2image，配置poppler环境变量
参考：https://github.com/Belval/pdf2image

pdfimage 安装

pip install pdf2image

poppler安装

Linux

apt-get install poppler-utils

windows
下载 poppler： https://blog.alivate.com.au/poppler-windows/

方法一：
	设置环境变量PATH:  D:\poppler-0.68.0_x86\poppler-0.68.0\bin
方法二：
	参数指定绝对路径
    images = convert_from_path(pdf_path=pdf_file_path, poppler_path=r'D:\poppler-0.68.0_x86\poppler-0.68.0\bin')

Centos安装pdf2image

环境：centos8、python3.6.4

库安装
1、pip3 install poppler-utils
2、pip3 install pdf2image
3、yum install poppler
4、yum install poppler-utils

PDF转换图片为空的问题

若转换得到的图片为空白页，说明PDF在转换过程中遇到了未能识别的字体，需补充系统中的字体库。
参考博客：
1、Linux 安装字体库
2、linux ttf,Linux篇：linux安装字体

简易版

import os

from pdf2image import convert_from_path


def pdf_to_jpg(pdf_path, jpg_save_path, one_page=False):
    """
        将PDF文件转换为JPG图片
    :param pdf_path: PDF文件路径
    :param jpg_save_path: JPG图片保存路径， 若one_page为False，输入一个文件夹路径保存所有JPG图片
    :param one_page: True：返回 PDF首页的JPG；False：返回 PDF所有页的JPG
    :return:
    """
    pages = convert_from_path(pdf_path, 200)  # 若pdf有多页，则返回一个列表
    if one_page:
        pages[0].save(jpg_save_path, 'JPEG')
    else:
        if not os.path.exists(jpg_save_path):
            os.mkdir(jpg_save_path)     # 创建文件夹
        for i, page in enumerate(pages):
            page.save(jpg_save_path + str(i+1) + '.jpg', 'JPEG')


if __name__ == "__main__":
    pdf_path = "../data/pdfdemo.pdf"

    # 保存第一张图片
    # jpg_save_path = "../data/pdfimg.jpg"
    # one_page = True
    # pdf_to_jpg(pdf_path, jpg_save_path, one_page)

    # 将每页图片都保存
    jpg_save_path = "../data/pdfimg/"
    one_page = False
    pdf_to_jpg(pdf_path, jpg_save_path, one_page)

整合

import os

from pdf2image import convert_from_path


class IMGConverter:
    def __init__(self, dir_path, save_dir_path):
        self.dir_path = dir_path  # 保存pdf文件的文件夹路径
        self._export_folder = save_dir_path  # 保存图片的文件夹路径
        self._filename_list = list()  # 保存pdf文件名
        if not os.path.exists(self._export_folder):
            os.mkdir(self._export_folder)
        # print(self._export_folder)
        self._enumerate_filename()

    def _enumerate_filename(self):
        """
            读取所有文件名
        """
        for name in os.listdir(self.dir_path):
            if self.is_legal_postfix(name):
                self._filename_list.append(name)
            else:
                continue

    # 检查文件名是否合法
    def is_legal_postfix(self, filename):
        return filename.split('.')[-1].lower() == 'pdf' and not os.path.basename(filename).startswith('~')

    def run_conver(self):
        """
            批量处理转换操作，将一个文件夹下的pdf文件皆转换为jpg图片
        """
        print('需要转换的文件数：', len(self._filename_list))
        for filename in self._filename_list:
            print('原文件：', filename)
            self.pdf2img(filename, self._export_folder)
        print('转换完成！')

    def pdf2img(self, pdf_name, img_save_dir):
        """
            将pdf文件转为jpg格式图片，若pdf有多页，则返回多张图片

            pdf_path：pdf文件路径
            img_path：转换后的图片存放路径
        """
        pages = convert_from_path(self.dir_path + '/' + pdf_name, 200)
        for i, page in enumerate(pages):
            page.save(img_save_dir + '/' + pdf_name[:-4] + '-' + str(i) + '.jpg', 'JPEG')

if __name__ == "__main__":
    dir_path = r'C:\Users\Dell\Desktop\recog'
    save_dir_path = r'C:\Users\Dell\Desktop\img123'
    ob = IMGConverter(dir_path, save_dir_path)
    ob.run_conver()