目录
pdf2image库
安装:pip install pdf2image
使用时会报错:pdf2image.exceptions.PDFInfoNotInstalledError: Unable to get page count. Is poppler installed and in PATH?
需要安装 poppler-windows 环境,下载地址:
链接: https://pan.baidu.com/s/1fGrYoMhDMIM4BUYE3Dp00Q?pwd=r9d7 提取码: r9d7
下载解压后将bin文件路径添加到环境变量path中,添加完成后命令行窗口输入pdftotext -v 可查看是否安装成功,安装成功后有版本信息。
设置环境变量后还是不行的话就在convert_from_path 方法中添加poppler_path 二进制文件路径。
from pdf2image import convert_from_path
pdf_path = rf'test.pdf'
save_imgpath = rf'xxx'
images = convert_from_path(pdf_path, poppler_path=r'D:\poppler-24.08.0\Library\bin')
for i, image in enumerate(images): # 将每一张图片保存为PNG文件
image.save(fr'{save_imgpath}\page_{i + 1}.png', 'PNG')
PyMuPDF库
PyMuPDF 还提供了丰富的功能来操作PDF文件,如读取、写入、分割、合并、旋转、裁剪等。此外,它还支持加密和解密PDF文档,以及提取文本、图像和元数据等信息。
安装:pip install PyMuPDF
from fitz import open, Matrix
def pdf2img(pdf_path, img_dir):
doc = open(pdf_path) # 打开pdf
# print(doc.page_count) # 获取word文档页数
# print(doc.metadata) # 获取pdf 目录信息
for page in doc: # 遍历pdf的每一页【doc[page_no] ,可通过获取的页数和切片方式转换对应页的数据】
# 将缩放因子 zoom_x 和 zoom_y 设为 2.0 之后,可以将转换出来的图片大小提高四倍
zoom_x = 2.0 # 设置每页的水平缩放因子
zoom_y = 2.0 # 设置每页的垂直缩放因子
mat = Matrix(zoom_x, zoom_y)
# mat = Matrix(zoom_x, zoom_y).prerotate(0) # .prerotate(50)可设置旋转角度
# mat = Matrix(zoom_x, zoom_y).prescale(1,2) # .prescale(1,2) 设置图片宽高比
# mat = Matrix(zoom_x, zoom_y).preshear(1,3) # preshear(1,3) 拉伸图片
pix = page.get_pixmap(matrix=mat,alpha=False) # Page 页面-光栅图像,alpha设置后会突出主体显示
pix.pil_save(rf"{img_dir}\page-1{page.number}.png") # 保存光栅图像图像,需要依赖第三方框架:Pillow
# pix.save(rf"{img_dir}\page-1{page.number}.png")
python-office库
python-office库 是一个Python 自动化办公第三方库,能解决大部分自动化办公的问题。一行代码即可实现转换。
https://pypi.org/project/python-office/0.1.20/
安装依赖包特多,基本都会失败,使用镜像源安装:pip install python-office -i https://pypi.tuna.tsinghua.edu.cn/simple
from office import pdf
pdf.pdf2imgs(pdf_path, save_img_path, merge=True)
pdfplumber库
pip install pdfplumber -i https://pypi.tuna.tsinghua.edu.cn/simple
doc = pdfplumber.open(pdf_path)
print(doc.metadata) # 获取pdf 目录信息
print(doc.pages) # 获取pdf文件每页对象列表,打印结果[<Page:1>, <Page:2>, <Page:3>]
print(len(doc.pages)) # 获取文件页数
import pdfplumber
with pdfplumber.open(pdf_path) as pd:
for i,p in enumerate(pd.pages):
img = p.to_image(resolution=500) # 可设置宽高参数,resolution 不设置时图片清晰图会低
img.save(rf'{save_img_path}\{i}.png')