用Python將PDF文件轉存為圖片的實現(xiàn)方法

更新時間：2024年04月21日 10:02:45 作者：以山河作禮。

在Python中,將PDF文件轉換為圖片格式使用專門的庫來處理PDF文檔,并將其每一頁導出為常見的圖像格式,這可以通過PyMuPDF庫中的fitz模塊或pdf2image庫實現(xiàn),本文給大家介紹了用Python將PDF文件轉存為圖片的方法,需要的朋友可以參考下

一·摘要

在Python中，將PDF文件轉換為圖片格式使用專門的庫來處理PDF文檔，并將其每一頁導出為常見的圖像格式。這可以通過PyMuPDF庫中的fitz模塊或pdf2image庫實現(xiàn)，其中每個庫都提供了將PDF頁面渲染成位圖的方法。一旦頁面被轉換成圖像，就可以使用Pillow庫（即PIL庫的一個分支）將這些圖像保存為PNG或JPEG文件。此過程不僅支持將包含文本和圖形的PDF頁面精確地轉換為圖像，而且還可以處理批量轉換，使得整個轉換過程可以自動化完成，非常適合需要從PDF中提取圖像內容以用于報告、演示或網(wǎng)頁發(fā)布的場景。

二·原理

在Python中將PDF文件轉存為圖片的過程通常依賴于渲染引擎，該引擎能夠解析PDF文檔的結構和內容，并將其轉換成像素數(shù)據(jù)，即圖像。

原理如下：

解析PDF：使用庫（如PyMuPDF或pdf2image）來讀取PDF文件。這些庫內部使用PDF解析器來理解PDF文件的結構，包括文本、圖像、向量圖形和頁面布局信息。
頁面渲染：庫中的渲染引擎會處理PDF頁面上的每個元素，如文字、線條和嵌入的圖像，并將它們轉換為可在屏幕上顯示的像素數(shù)據(jù)。對于PyMuPDF，get_pixmap()方法負責這個渲染過程；對于pdf2image，convert_from_path()方法則用于將整個PDF頁面渲染成圖像。
圖像保存：一旦PDF頁面被渲染成位圖，就可以使用像Pillow這樣的圖像處理庫將其保存為常見的圖像格式（如PNG或JPEG）。這個過程涉及到設置圖像的分辨率、顏色深度和壓縮級別。
循環(huán)處理：因為PDF文件可能包含多個頁面，所以上述過程需要對每一頁進行重復，直到所有頁面都被轉換成了對應的圖像文件。
結果驗證：轉換完成后，需要檢查生成的圖像以確保它們準確地反映了原PDF頁面的內容和布局。

這個過程不僅能夠將PDF中的文本和矢量圖形轉換為像素圖像，還能夠處理其中嵌入的圖像和圖表。通過適當?shù)脑O置，可以調整輸出圖像的質量、大小和格式，以適應不同的用途和需求。

三·流程

將PDF文件轉換為圖片的流程可以分為以下幾個步驟：

安裝庫：首先，需要安裝Python庫來處理PDF和圖像。常用的庫包括PyMuPDF（也稱為fitz）和pdf2image。可以使用pip命令進行安裝，例如：pip install PyMuPDF或pip install pdf2image。
導入庫：在Python腳本中，導入所需的庫。對于PyMuPDF，導入fitz模塊；對于pdf2image，導入pdf2image模塊。
讀取PDF文件：使用庫提供的方法打開PDF文件。對于PyMuPDF，可以使用fitz.open()方法打開PDF文件；對于pdf2image，可以使用convert_from_path()方法打開PDF文件。
渲染PDF頁面：遍歷PDF的每一頁，并將其渲染為圖像。對于PyMuPDF，可以使用page.get_pixmap()方法將每一頁渲染成位圖；對于pdf2image，可以使用convert_from_path()方法將整個PDF頁面渲染成圖像。
保存圖像：將渲染得到的圖像保存到本地文件系統(tǒng)中?？梢允褂肞illow庫（即PIL庫的一個分支）的save()方法來保存圖像。
循環(huán)處理：對PDF中的每一頁重復步驟4和5，直到所有頁面都轉換為圖像。
處理完畢：確保所有圖像都已正確保存，并在需要時進行任何后續(xù)處理，如調整大小、裁剪或格式轉換。

四·實戰(zhàn)演示

因工作中的某些奇葩要求，需要將PDF文件的每頁內容轉存成按順序編號的圖片。用第三方軟件或者在線轉換也可以，但批量操作還是Python方便，所謂搞定辦公自動化，Python出山，一統(tǒng)天下；Python出征，寸草不生。

這里先導入fitz庫，用于將PDF文件的頁面提取成像素信息（圖片）。再導入glob庫，用于獲取后綴為".pdf"的文件的文件名。os庫可新建文件夾

#批量將PDF文件轉為圖片
import fitz
import glob
import os

image_path = "圖片\\" #存放圖片的文件夾
PDFfiles = glob.glob("PDF文件\\*.pdf") #獲取所有pdf文件的文件名
for PDFfile in PDFfiles: #遍歷所有PDF文件
    PDFdoc = fitz.open(PDFfile) #讀取PDF文件
    folder_name = PDFfile.split("\\")[-1].split(".")[0] #按源文件名新建文件夾
    for pg in range(PDFdoc.pageCount): #根據(jù)PDF的頁數(shù),按頁提取圖片        
        page = PDFdoc[pg]
        #增強圖片分辨率
        zoom_x = 3 #水平方向
        zoom_y = 3 #垂直方向
        mat = fitz.Matrix(zoom_x, zoom_y) 
        pix = page.getPixmap(matrix=mat)  
        #按原PDF名稱新建文件夾并按順序保存圖片
        if not os.path.exists(image_path+folder_name):#判斷文件夾是否已存在
            os.makedirs(image_path+folder_name)#不存在則新建，存在就跳過這行
        pix.writeImage(image_path+folder_name + "\\{}.png".format(str(pg+1))) #按PDF中的頁面順序命名并保存圖片

以上，我們先將所有待處理的PDF文件放入“PDF文件夾”，然后通過glob.glob(“PDF文件\*.pdf”)搜索并抓取所有以".pdf"為后綴的文件，并存入變量PDFfiles中。

結果如下所示：

PDFfiles

然后，遍歷PDFfiles中的所有PDF文件，使用fitz.open()讀取。fitz.open()用于創(chuàng)建PDF文件中頁面的像素映射(pixel maps)，即用像素來表示頁面信息。然后按PDF文件名命名一個新的文件夾，以便儲存圖片。比如給“收貨記錄.pdf”文件建一個名字為“收貨記錄”的文件夾，專門儲存關于它的頁面的圖片。隨后用for循環(huán)，根據(jù)PDF的頁數(shù)，按頁提取圖片。將每頁的信息存入page變量，它的type 是fitz.fitz.Page，即一頁像素文件。為了讓圖片看起來更清晰，需要增強圖片的分辨率，設定圖片水平及垂直方向的增強倍數(shù)，傳入Matrix。Matrix用于提升即將保存的圖片的分辨率，分辨率的提升倍數(shù)為zoom_x與zoom_y的乘積。倍數(shù)越大，圖片越清晰，當然占用空間也越大。這個參數(shù)可根據(jù)實際要求調整。然后將Matrix存入mat，傳入getPixmap()。getPixmap()用于控制圖片分辨率、色域（比如生成灰度圖像或帶有減色方案的圖像）、透明度、旋轉、鏡像、移位、剪切等。由于其它都不需要專門設定，所以只增強其分辨率。

一頁圖片處理好后，就需要保存圖片了。先通過os.path.exists判斷一下需要的文件夾是否存在，若不存在就通過os.makedirs創(chuàng)建。然后用pix.writeImage按頁碼編號寫入并保存圖片。