Python如何读取pdf中的图片 |
您所在的位置:网站首页 › python如何读取图片 › Python如何读取pdf中的图片 |
本篇就在Python中读取pdf图片较上篇读取excel的略微复杂,相信小伙们已经准备好迎接今天的挑战,接下来一起看看吧: 1.倒入相关库 import fitz import time import re import os 2.具体实现 为了方便和其他模块组合,我直接写了个函数完成这个功能,实现如下: 2.1使用正则表达式查找PDF中的图片 def pdf2pic(path, pic_path): ''' # 从pdf中提取图片 :param path: pdf的路径 :param pic_path: 图片保存的路径 :return: ''' t0 = time.clock() # 使用正则表达式来查找图片 checkXO = r"/Type(?= */XObject)" checkIM = r"/Subtype(?= */Image)" 2.2打印PDF的相关信息 # 打开pdf doc = fitz.open(path) # 图片计数 imgcount = 0 lenXREF = doc._getXrefLength() # 打印PDF的信息 print("文件名:{}, 页数: {}, 对象: {}".format(path, len(doc), lenXREF - 1)) 2.3遍历PDF中的对象,遇到是图像才进行下一步,不然就continue 并且我们将文件的名字命名为word所在的路径 # 遍历每一个对象 for i in range(1, lenXREF): # 定义对象字符串 text = doc.getObjectString(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 imgcount = 1 # 根据索引生成图像 pix = fitz.Pixmap(doc, i) # 根据pdf的路径生成图片的名称 new_name = path.replace('\\', '_') "_img{}.png".format(imgcount) new_name = new_name.replace(':', '') 2.4将图像存为png格式 # 如果pix.n |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |