大家有时候会不会有 PDF 转 图片
或是 图片 合成 PDF
的需求,尤其是一些扫描版的手稿、画册、字帖一类的的文档。
当大家苦于不知道找什么在线应用或软件来进行转换的时候,我们用 Python几行代码就可以实现 PDF转图片的需求了。
今天小圈给大家安利3个可以实现PDF转图片的Python库,不要 so easy
了!
- ✅ PyMuPDF
- ✅ pdfplumber
- ✅ python-office
一、PyMuPDF
1、PyMuPDF简介
该三方库从命名形式中就可以看出,PyMuPDF
是 MuPDF
的Python接口形式。
而 MuPDF
是一个轻量级的 PDF、XPS和电子书查看器。MuPDF 由软件库、命令行工具和各种平台的查看器组成。这个工具很小,速度很快,而且很完整。它支持多种文档格式,如PDF、XPS、OpenXPS、CBZ、EPUB和FictionBook 2。
使用PyMuPDF,你可以访问扩展名为“.pdf”、“.xps”、“.oxps”、“.cbz”、“.fb2”或“.epub”
。此外,大约10种流行的图像格式也可以像文档一样处理“.png”,“.jpg”,“.bmp”,“.tiff”
等。
2、安装
PyMuPDF
可以通过Python pip 官方方式安装,也可以下载离线 wheels包进行安装。
支持平台:Windows、Linux、Mac OS
pip安装命令:
pip install PyMuPDF
导入命令:
import fitz
关于命名fitz的说明
这个库的标准Python导入语句是import fitz。这是有历史原因的: MuPDF的原始渲染库被称为Libart。
在Artifex软件获得MuPDF项目后,开发的重点转移到编写一种新的现代图形图书馆称为“Fitz”。Fitz最初是作为一个研发项目,以取代老化的Ghostscript图形库,但却成为了MuPDF的渲染引擎。
3、使用方法
验证pymupdf 模块是否安装成功
import fitz print(fitz.__doc__)
输出:
PyMuPDF 1.21.0: Python bindings for the MuPDF 1.21.0 library. Version date: 2022-11-08 00:00:01. Built for Python 3.8 on darwin (64-bit).
加载PDF文件
# 加载pdf 文件 doc = fitz.open("/test/demo.pdf")
获取Document 属性和方法
# 1、获取pdf 页数 pageCount = doc.page_count print("pdf 页数: ", pageCount) # 2、获取pdf 元数据 metaData = doc.metadata print("pdf 元数据: ", metaData) # 3、获取pdf 目录信息 toc = doc.get_toc() print("pdf 目录:", toc)
Page 加载方法
page = doc.load_page(pno) # 加载每页数据 page = doc[pno] # 加载每页数据
页面展示/页面图像保存到文件中
# Page 页面-光栅图像 pix = page.get_pixmap() print("打印页面图像对象:", pix) # 保存光栅图像图像,需要依赖第三方框架:Pillow pix.pil_save("page-%i.png" % page.number)
PDF保存为图片完整代码:
import os import fitz def covert2pic(file_path, zoom, png_path): doc = fitz.open(file_path) total = doc.page_count for pg in range(total): page = doc[pg] zoom = int(zoom) # 值越大,分辨率越高,文件越清晰 rotate = int(0) trans = fitz.Matrix(zoom / 100.0, zoom / 100.0).prerotate(rotate) pm = page.get_pixmap(matrix=trans, alpha=False) if not os.path.exists(png_path): os.mkdir(png_path) save = os.path.join(png_path, '%s.png' %(pg+1)) pm.save(save) doc.close() if __name__ == "__main__": pdfPath = 'demo.pdf' imagePath = './imgs' covert2pic(pdfPath, 200, imagePath)
效果:
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。
至于其他进阶用法,小圈下次专门写个文章进行分享,有兴趣的同学可以先去使用尝试。
二、pdfplumber
1、pdfplumber简介
pdfplumber
也是一个可以处理pdf格式信息的库,可以查找关于每个文本字符、矩阵、和行的详细信息,也可以对表格进行提取并进行可视化调试。
主要功能:
- 可返回csv或json格式的信息: pdf级和页面级的元数据以及字典的嵌套属性。
- 可以指定页面以及页面范围进行解析: 以空格分隔、1索引的页面列表或带连字符的页面范围。例如,1, 11-15将返回第 1、11、12、13、14 和 15 页的数据。
- 可以指定解析的类型: 比如char、rect、line、curve、image或annot等,默认为所有可用。
最终返回的是一个 pdfplumber.Page对象
。
2、安装
跟PyMuPDF一样,支持使用pip安装,安装命令:
pip install pdfplumber
导入命令:
import pdfplumber
3、使用方法
pdfplumber有2个基础类:PDF和Page
PDF用来处理整个文档,Page用来处理整个页面
类 | 用法简介 |
pdfplumber.PDF | .metadata,获取pdf基础信息,返回字典格式,包含作者、创建时间等。.pages,返回pdfplumber.Page实例的列表,每一个实例包含pdf每一页的信息 |
pdfplumber.Page | pdfplumber核心功能,对PDF的大部分操作都是基于这个类,包括提取文本、表格等 |
读取pdf文件,并输出pdf文件的基础信息
import pdfplumber # 打开pdf文件,有密码加入password参数 pdf_info =pdfplumber.open('demo.pdf') meta_data = pdf_info.metadata # pdf的基础信息 page_con = len(pdf_info.pages) # 获取pdf的总页数 print('pdf文件的基础信息:\n', meta_data) print('pdf共%s页' % page_con)
pdfplumber转图片完整代码:
import pdfplumber def covert2pic_v2(file_path, png_path): with pdfplumber.open(file_path) as pdf: # pdf.pages默认为pdf全部页 # 可通过切片的方式选择需要转换的1页或几页,如前2页:pdf.pages[:2] for i, page in enumerate(pdf.pages[:2]): im = page.to_image(resolution=150) # 保存 save = os.path.join(png_path, '%s.png' % (int(i) + 1)) im.save(save) print('----分割线,第%d页----' % (int(i) + 1))
效果跟PyMuPDF一样,这里就不展示了。
三、Python-Office
1、Python-Office简介
Python-office
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。而且每 个功能只需一行代码,不需要小白用户学习 Python 知识,做到了真正的开箱即用。
2、安装
安装命令
pip install python-office
有时候易安装失败,小圈就遇到了,所以该库只能简单介绍下,请朋友们见谅哈!偷下懒!
3、使用方法
# 导入这个库:python-office,简写为office import office # 一行代码,实现转换 office.pdf.pdf2imgs( pdf_path='demo.pdf', out_dir='./imgs' ) # 参数说明: # pdf_path = 你的PDF文件的地址 # out_dir = 转换后的图片存放地址,可以不填,默认是PDF的地址
1行Python代码,实现PDF转图片,直接解决了!是不是还没体验够就完成了!