python pdf 图片_第一节：python提取PDF文档中的图片

1、安装第三方类库pymupdf：pip install pymupdf

2、安装完成后直接上代码，代码如下：

import fitz

import time

import re

import os

def pdf2pic(path, pic_path):

t0 = time.clock() # 生成图片初始时间

checkXO = r"/Type(?= */XObject)" # 使用正则表达式来查找图片

checkIM = r"/Subtype(?= */Image)"

doc = fitz.open(path) # 打开pdf文件

imgcount = 0 # 图片计数

lenXREF = doc._getXrefLength() # 获取对象数量长度

# 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):

text = doc._getXrefString(i) # 定义对象字符串

isXObject = re.search(checkXO, text) # 使用正则表达式查看是否是对象

isImage = re.search(checkIM, text) # 使用正则表达式查看是否是图片

if not isXObject or not isImage: # 如果不是对象也不是图片，则continue

continue

imgcount += 1

pix = fitz.Pixmap(doc, i) # 生成图像对象

new_name = "图片{}.png".format(imgcount) # 生成图片的名称

if pix.n < 5: # 如果pix.n<5,可以直接存为PNG

pix.writePNG(os.path.join(pic_path, new_name))

else: # 否则先转换CMYK

pix0 = fitz.Pixmap(fitz.csRGB, pix)

pix0.writePNG(os.path.join(pic_path, new_name))

pix0 = None

pix = None # 释放资源

t1 = time.clock() # 图片完成时间

print("运行时间:{}s".format(t1 - t0))

print("提取了{}张图片".format(imgcount))

if __name__=='__main__':

path = r"C:\Users\lenovo\Desktop\数据.pdf"

pic_path = r'C:\Users\lenovo\Desktop\图片'

# 创建保存图片的文件夹

if os.path.exists(pic_path):

print("文件夹已存在，不必重新创建！")

pass

else:

os.mkdir(pic_path)

pdf2pic(path, pic_path)

3、运行结果

文件名:C:\Users\lenovo\Desktop\数据.pdf, 页数: 51, 对象: 156

运行时间:1.0037559488187855s

提取了1张图片

运行时间:1.9240614402553362s

提取了2张图片

运行时间:2.8580821293209087s

提取了3张图片

运行时间:3.59311390384999s

提取了4张图片

运行时间:4.055301359322903s

提取了5张图片

运行时间:4.861761705280556s