从PDF中批量提取图片（Python实现）

作为医学图像处理大军中的一员，大家都知道MICCAI论文

2018年MICCAI论文分为4个pdf合集，平均每个合集100多M

想从中提取出图片来看，发现网上在线提取的网站一般只能上传2M以下的文件，要传2M以上的要充会员

这就很不爽了，于是我决定自己写代码搞

首先需要安装个pymupdf：

pip install pymupdf

然后运行以下代码就行：

import fitz
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 = 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))
    
        # 遍历每一个对象
    for i in range(1, lenXREF):
        # 定义对象字符串
        text = doc._getXrefString(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 = "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'F:\论文\MICCAI\2018_Book_MedicalImageComputingAndComput4.pdf'
    pic_path = path[:-4]
    # 创建保存图片的文件夹
    if os.path.exists(pic_path):
        print("文件夹已存在，请重新创建新文件夹！")
        raise SystemExit
    else:
        os.mkdir(pic_path)
    m = pdf2pic(path, pic_path)

大家根据自己需要更改路径就能使用

运行结果如下：

78秒，一次性提取出396张图片

提取结果的文件夹：

就是这么方便。