赵乾舟 发表于 2021-8-20 21:50:01

提取PDF中的图片

# 导入相关库
import fitz
import re
import os
# 使用正则表达式查找PDF中的图片
def find_imag(path, img_path): # PDF的路径和图片保存的路径
    checkXO = r"/Type(?= */XObject)"
    checkIM = r"/Subtype(?= */Image)"
    pdf = fitz.open(path)
    img_count = 0
    len_XREF = pdf._getXrefLength()
    print("文件名:{}, 页数: {}, 对象: {}".format(path, len(pdf), len_XREF - 1))
    for i in range(1, len_XREF):
      text = pdf._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
      img_count += 1
      # 根据索引生成图像
      pix = fitz.Pixmap(pdf, i)
      new_name = path.replace('\\', '_') + "_img{}.png".format(img_count)
      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(img_path, new_name))
      else:
            pix0 = fitz.Pixmap(fitz.csRGB, pix)
            pix0.writePNG(os.path.join(img_path, new_name))
            pix0 = None
      pix = None
      print("提取了{}张图片".format(img_count))

if __name__ == '__main__':
    pdf_path = r'笔记.pdf'
    img_path = r'图片'
    if os.path.exists(img_path):
      print("文件夹已存在，请重新创建新文件夹！")
      raise SystemExit
    else:
      os.mkdir(img_path)
    m = find_imag(pdf_path, img_path)



赵乾舟 发表于 2021-8-20 21:50:20

只需要修改37行和38行就可以
页: [1]
查看完整版本: 提取PDF中的图片