Python提取PDF中的圖片的實現示例
1.導入相關庫
import fitz import time import re import os
2.具體實現
為瞭方便和其他模塊組合,我直接寫瞭個函數完成這個功能,實現如下:
2.1.使用正則表達式查找PDF中的圖片
def pdf2pic(path, pic_path): ''' # 從pdf中提取圖片 :param path: pdf的路徑 :param pic_path: 圖片保存的路徑 :return: ''' t0 = time.clock() # 使用正則表達式來查找圖片 checkXO = r"/Type(?= */XObject)" checkIM = r"/Subtype(?= */Image)"
2.2.打印PDF的相關信息
# 打開pdf doc = fitz.open(path) # 圖片計數 imgcount = 0 lenXREF = doc._getXrefLength() # 打印PDF的信息 print("文件名:{}, 頁數: {}, 對象: {}".format(path, len(doc), lenXREF - 1))
2.3.遍歷PDF中的對象,遇到是圖像才進行下一步,不然就continue
並且我們將文件的名字命名為word所在的路徑
# 遍歷每一個對象 for i in range(1, lenXREF): # 定義對象字符串 text = doc.getObjectString(i) isXObject = re.search(checkXO, text) # 使用正則表達式查看是否是圖片 isImage = re.search(checkIM, text) # 如果不是對象也不是圖片,則continue if not isXObject or not isImage: continue imgcount += 1 # 根據索引生成圖像 pix = fitz.Pixmap(doc, i) # 根據pdf的路徑生成圖片的名稱 new_name = path.replace('\\', '_') + "_img{}.png".format(imgcount) new_name = new_name.replace(':', '')
2.4.將圖像存為png格式
# 如果pix.n<5,可以直接存為PNG if pix.n < 5: pix.writePNG(os.path.join(pic_path, new_name)) # 否則先轉換CMYK else: pix0 = fitz.Pixmap(fitz.csRGB, pix) pix0.writePNG(os.path.join(pic_path, new_name)) pix0 = None # 釋放資源 pix = None t1 = time.clock() print("運行時間:{}s".format(t1 - t0)) print("提取瞭{}張圖片".format(imgcount))
2.5.輸入pdf路徑,即可運行
if __name__=='__main__': # pdf路徑 path = r'E:\dogcat\提取圖片\計算機視覺算法工程師.pdf' pic_path = r'E:\dogcat\提取圖片\測試' # 創建保存圖片的文件夾 if os.path.exists(pic_path): print("文件夾已存在,請重新創建新文件夾!") raise SystemExit else: os.mkdir(pic_path) m = pdf2pic(path, pic_path)
3.結果預覽
3.1.程序結果
3.2.原本的pdf
3.3.提取出來的圖片
到此這篇關於Python提取PDF中的圖片的實現示例的文章就介紹到這瞭,更多相關Python提取PDF圖片內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- 如何使用Python進行PDF圖片識別OCR
- Python操作PDF文件之實現A3頁面轉A4
- python解析照片拍攝時間進行圖片整理
- Python中搜索和替換文件中的文本的實現(四種)
- 基於Python實現PDF區域文本提取工具