python文件处理——pdf转图片

目录

一、要求

二、代码实现

三、结果输出

---

一、要求

        fitz==0.0.1.dev2

二、代码实现

import fitz
import os
from zqy_ocr.common.conf import parent_path_is_exites



def pdf2imags(filepath,outpath):
    global father_dir
    try:
        pdf = fitz.Document(filepath)
        for i,pg in enumerate(range(0, pdf.pageCount)):
            # 获得每一页的对象
            page = pdf[pg]
            trans = fitz.Matrix(3.0, 3.0).preRotate(0)
            # 获得每一页的流对象
            pm = page.getPixmap(matrix=trans, alpha=False)

            # 获取文件名
            filename = os.path.basename(filepath).split(".")[0]
            # 拼接输出文件目录
            img_path = fr'{outpath}\{filename}_imgs\{filename}_{i+1}.png'

            # 若pdf有多张照片，只判断一次即可。
            if i == 0:
                # 查看拼接的父目录是否存在，不存在创建
                father_dir = parent_path_is_exites(img_path,log)

            # 保存图片
            pm.writePNG(img_path)

        pdf.close()

        print("\n")
        print(f"The pdf2imgs result in {father_dir}")

    except Exception as e:
        print(f"pdf2imgs.py error , info:{e}")
        return 'False'

    else:
        return father_dir



if __name__ == '__main__':

    path = r'D:\Gitlab\ocr\OCR\img_set\九江银行\222.pdf'
    out_path = r'D:\Gitlab\ocr\OCR\img_set\九江银行'
    pdf2imags(path,out_path)

三、结果输出

        在原文件的同级目录创建一个以原文件名称+'_imgs'命名的文件夹，里面存放pdf中每一页的图片。