提取PDF中的图片

赵乾舟

1. # 导入相关库
   
2. import fitz
   
3. import re
   
4. import os
   
5. # 使用正则表达式查找PDF中的图片
   
6. def find_imag(path, img_path): # PDF的路径和图片保存的路径
   
7.     checkXO = r"/Type(?= */XObject)"
   
8.     checkIM = r"/Subtype(?= */Image)"
   
9.     pdf = fitz.open(path)
   
10.     img_count = 0
    
11.     len_XREF = pdf._getXrefLength()
    
12.     print("文件名:{}, 页数: {}, 对象: {}".format(path, len(pdf), len_XREF - 1))
    
13.     for i in range(1, len_XREF):
    
14.         text = pdf._getXrefString(i)
    
15.         isXObject = re.search(checkXO, text)
    
16.         # 使用正则表达式查看是否是图片
    
17.         isImage = re.search(checkIM, text)
    
18.         # 如果不是对象也不是图片，则continue
    
19.         if not isXObject or not isImage:
    
20.             continue
    
21.         img_count += 1
    
22.         # 根据索引生成图像
    
23.         pix = fitz.Pixmap(pdf, i)
    
24.         new_name = path.replace('\\', '_') + "_img{}.png".format(img_count)
    
25.         new_name = new_name.replace(':', '')
    
26.         # 如果pix.n<5,可以直接存为PNG
    
27.         if pix.n < 5:
    
28.             pix.writePNG(os.path.join(img_path, new_name))
    
29.         else:
    
30.             pix0 = fitz.Pixmap(fitz.csRGB, pix)
    
31.             pix0.writePNG(os.path.join(img_path, new_name))
    
32.             pix0 = None
    
33.         pix = None
    
34.         print("提取了{}张图片".format(img_count))
    
35. 
    
36. if __name__ == '__main__':
    
37.     pdf_path = r'笔记.pdf'
    
38.     img_path = r'图片'
    
39.     if os.path.exists(img_path):
    
40.         print("文件夹已存在，请重新创建新文件夹！")
    
41.         raise SystemExit
    
42.     else:
    
43.         os.mkdir(img_path)
    
44.     m = find_imag(pdf_path, img_path)
    

复制代码

赵乾舟

只需要修改37行和38行就可以