关于这篇文章在引入第三方库方法名报错的更新纠正Python提取PDF中的图片_Jayce~的博客-CSDN博客_python提取pdf中的图片
import fitz
from fitz.fitz import Document as openPDF
import time
import re
import os
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)"
# 打开pdf
doc = openPDF(path)
# 图片计数
imgcount = 0
lenXREF = doc.xref_length()
# 打印PDF的信息
print("文件名:{}, 页数: {}, 对象: {}".format(path, len(doc), lenXREF - 1))
# 遍历每一个对象
for i in range(1, lenXREF):
# 定义对象字符串
text = doc.xref_object(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(':', '')
# 如果pix.n<5,可以直接存为PNG
if pix.n < 5:
pix.writePNG(os.path.join(pic_path, new_name))
# 否则先转换CMYK
else:
pix0 = fitz.Pixmap(fitz.csRGB, pix)
pix0.writePNG(os.path.join(pic_path, new_name))
pix0 = None
# 释放资源
pix = None
t1 = time.clock()
print("运行时间:{}s".format(t1 - t0))
print("提取了{}张图片".format(imgcount))
if __name__=='__main__':
# pdf路径
path = r'./EMS86284.pdf'
pic_path = r'./pdf_img'
# 创建保存图片的文件夹
if not os.path.exists(pic_path):
os.mkdir(pic_path)
m = pdf2pic(path, pic_path)
-------------------------------------------------------
遇到的一些问题:
fitz 库 安装的不是pip install fitz 而是 pip install pymupdf
报错AttributeError: 'Document' object has no attribute '_getXrefLength'
lenxREF = doc._getXrefLength()
改成 lenXREF = doc.xref_length()
# 定义对象字符串
taxt = doc.getObjectString(i)
改成 text = doc.xref_object(i)