欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

python 将PDF 转成 图片的几种方法

程序员文章站 2022-04-19 17:16:12
...

一、说明

昨天突然想着把PDF转成图片,昨天尝试了许久,没有成功,然后就很纳闷,图片合成PDF就可以,应该转成图片也可以吧,然后网上各种找解决这个问题的方法。
如果需要图片合成PDF的,可以参考一下我之前的一个博客:
使用img2pdf 模块将目录下图片合并成pdf

二、PDF转图片

方法1:PyMuPDF(成功)

①、安装PyMuPDF:

模块地址:

pip install PyMuPDF

②、转换图片代码:

import datetime
import os

import fitz  # fitz就是pip install PyMuPDF


def pyMuPDF_fitz(pdfPath, imagePath):
    startTime_pdf2img = datetime.datetime.now()  # 开始时间

    print("imagePath=" + imagePath)
    pdfDoc = fitz.open(pdfPath)
    for pg in range(pdfDoc.pageCount):
        page = pdfDoc[pg]
        rotate = int(0)
        # 每个尺寸的缩放系数为1.3,这将为我们生成分辨率提高2.6的图像。
        # 此处若是不做设置,默认图片大小为:792X612, dpi=96
        zoom_x = 1.33333333  # (1.33333333-->1056x816)   (2-->1584x1224)
        zoom_y = 1.33333333
        mat = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)
        pix = page.getPixmap(matrix=mat, alpha=False)

        if not os.path.exists(imagePath):  # 判断存放图片的文件夹是否存在
            os.makedirs(imagePath)  # 若图片文件夹不存在就创建

        pix.writePNG(imagePath + '/' + 'images_%s.png' % pg)  # 将图片写入指定的文件夹内

    endTime_pdf2img = datetime.datetime.now()  # 结束时间
    print('pdf2img时间=', (endTime_pdf2img - startTime_pdf2img).seconds)


if __name__ == "__main__":
    # 1、PDF地址
    pdfPath = 'demo1.pdf'
    # 2、需要储存图片的目录
    imagePath = './imgs'
    pyMuPDF_fitz(pdfPath, imagePath)

使用时,只需要更改PDF地址和储存图片地址即可。

方法2:pdf2image(未成功)

①、安装pdf2image

模块地址:

pip install pdf2image

②、安装Poppler:

Windows下载地址:

如果下载慢,可以下载我云盘中的:
下载地址: 密码:e17b

python 将PDF 转成 图片的几种方法

python 将PDF 转成 图片的几种方法
解压之后放到自己的软件盘,然后把bin目录添加到系统环境变量。然后重启电脑。

如果不重启,转换时会报错:pdf2image.exceptions.PDFInfoNotInstalledError: Unable to get page count. Is poppler installed and in PATH?

但是我的重启之后还有有问题,不知道为什么,只能回家用家里电脑测试一下了,不知道是不是Windows弄不了。

我只是用了模块官方几句代码:就一直报错:

from pdf2image import convert_from_path, convert_from_bytes

from pdf2image.exceptions import (
    PDFInfoNotInstalledError,
    PDFPageCountError,
    PDFSyntaxError
)

images = convert_from_path('demo1.pdf')

报错内容:

Exception in thread Thread-1:
Traceback (most recent call last):
  File "D:\tools\Python3.6\lib\threading.py", line 916, in _bootstrap_inner
    self.run()
  File "D:\tools\Python3.6\lib\threading.py", line 864, in run
    self._target(*self._args, **self._kwargs)
  File "D:\tools\Python3.6\lib\subprocess.py", line 1084, in _readerthread
    buffer.append(fh.read())
  File "D:\tools\Python3.6\lib\codecs.py", line 322, in decode
    (result, consumed) = self._buffer_decode(data, self.errors, final)
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd6 in position 119: invalid continuation byte

Traceback (most recent call last):
  File "D:\tools\Python3.6\lib\site-packages\pdf2image\pdf2image.py", line 420, in pdfinfo_from_path
    raise ValueError
ValueError

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "D:/zjf_workspace/000、爬虫代码-基础的/scrapy_100_工具/8、图片处理/6、pdf转换成图片/7、pdf2image模块.py", line 9, in <module>
    images = convert_from_path('demo1.pdf')
  File "D:\tools\Python3.6\lib\site-packages\pdf2image\pdf2image.py", line 90, in convert_from_path
    page_count = pdfinfo_from_path(pdf_path, userpw, poppler_path=poppler_path)["Pages"]
  File "D:\tools\Python3.6\lib\site-packages\pdf2image\pdf2image.py", line 430, in pdfinfo_from_path
    "Unable to get page count.\n%s" % err.decode("utf8", "ignore")
AttributeError: 'str' object has no attribute 'decode'

弄了快一天了,没有弄出来这个问题,我找到好多相似的博客,但是都不能运行,而且人家好想都没有出现这个问题,不知道我这里咋会这样,就先放这吧,后续如果解决再来补充。

方法3、wind(已经成功)

这个我昨天试了很久,一直报错,今天看到一个文章,赶紧是却少一个软件Ghostscript,但是下载又好慢呀,不知道什么鬼。
好像有个这个软件Ghostscript:

Ghostscript 下载地址

打算按着这个文章,再次测试:

可以用第三方库wand实,需要安装wand 、imagemagick和ghostscript。作者都成功了,那我就再试试吧。

①、安装wind

模块地址

pip install Wand

②、安装imagemagick

下载地址:

安装过程注意勾选Install development headers and libraries for C and C++ 。安装后设置MAGICK_HOME环境变量,值为imagemagick的安装路径,并将安装路径加入path。

详情可参照此页面网页链接。

③、安装ghostscript

我做天一直尝试,就是保错:

报错内容

Traceback (most recent call last):
  File "D:/zjf_workspace/000、爬虫代码-基础的/scrapy_100_工具/8、图片处理/6、pdf转换成图片/1、wand.py", line 7, in <module>
    image_pdf = Image(filename='demo1.pdf')
  File "D:\tools\Python3.6\lib\site-packages\wand\image.py", line 8230, in __init__
    units=units)
  File "D:\tools\Python3.6\lib\site-packages\wand\image.py", line 8710, in read
    self.raise_exception()
  File "D:\tools\Python3.6\lib\site-packages\wand\resource.py", line 243, in raise_exception
    raise e
wand.exceptions.DelegateError: FailedToExecuteCommand `"gswin32c.exe" -q -dQUIET -dSAFER -dBATCH -dNOPAUSE -dNOPROMPT -dMaxBitmap=500000000 -dAlignToPixels=0 -dGridFitTT=2 "-sDEVICE=pngalpha" -dTextAlphaBits=4 -dGraphicsAlphaBits=4 "-r72x72"  "-sOutputFile=C:/Users/WB-ZJF~1/AppData/Local/Temp/magick-5508WXCmlxua21eN%d" "-fC:/Users/WB-ZJF~1/AppData/Local/Temp/magick-5508Te_4KPmLv3_D" "-fC:/Users/WB-ZJF~1/AppData/Local/Temp/magick-5508byOzda8sSbWf"' (ϵͳ�Ҳ���ָ�����ļ���
) @ error/delegate.c/ExternalDelegateCommand/459

感觉就是跟这个有关吧,但是下载又下载不动,估计也是只能明天测试了,如果有Windows做成小伙伴欢迎赐教,我也只能回家再下载测试了,公司电脑不知道为什么下载不动。

我下载好的ghostscript

如果你看到这里了,可以下载我下载好的:
我这个关于PDF转图片的所有软件都放到这里了,需要可以下载,比网上和度盘都下载快。

ghostscript的文件名称:gs950w64.exe

软件下载地址: 密码:duym

④、代码:

这个是我找到之后修改的,但是报错问题还没有解决,只能后续解决补充了。先用第一个方法用着吧。
上面几个下载好就可以直接使用我这个代码了,这个代码是我成功测试之后的,修改PDF地址和图片储存地址即可。

# coding:utf-8
from wand.image import Image


def wind_imagemagick_ghostscript(pdf_path, imgs_dir):
    # 将pdf文件转为jpg图片文件
    # ./PDF_FILE_NAME 为pdf文件路径和名称
    # image_pdf = Image(filename='./demo1.pdf', resolution=300)
    image_pdf = Image(filename=pdf_path)
    image_jpeg = image_pdf.convert('jpeg')

    # wand已经将PDF中所有的独立页面都转成了独立的二进制图像对象。我们可以遍历这个大对象,并把它们加入到req_image序列中去。
    req_image = []
    for img in image_jpeg.sequence:
        img_page = Image(image=img)
        req_image.append(img_page.make_blob('jpeg'))

    # 遍历req_image,保存为图片文件
    i = 0
    for img in req_image:
        ff = open(imgs_dir + '\\' + str(i) + '.jpeg', 'wb')
        ff.write(img)
        ff.close()
        i += 1


if __name__ == '__main__':
    pdf_path = r"demo1.pdf"
    imgs_dir = r"imgs"
    wind_imagemagick_ghostscript(pdf_path, imgs_dir)

方法4、imagemagick+ghostscript(已经成功)

这个还是我看到一篇博客:
之后,然后第三个方法也成功了,然后测试这个也成功了,具体步骤:
这些软件可以直接去我的云盘下载,如果失效自己就官网下载吧:

软件集合下载地址: 密码:duym

①、安装imagemagick

下载地址:

安装过程注意勾选Install development headers and libraries for C and C++ 。安装后设置MAGICK_HOME环境变量,值为imagemagick的安装路径,并将安装路径加入path。

详情可参照此页面网页链接。
建议优先去我网盘下载(如果还有效)。
python 将PDF 转成 图片的几种方法

②、安装ghostscript

官网下载地址:

如果你也是Windows64位,去我云盘下载:

python 将PDF 转成 图片的几种方法

③、cmd命令转换:

一个命令转换:

magick .\demo1.pdf .\111\demo.jpg

查看执行命令和效果:
python 将PDF 转成 图片的几种方法

111目录下面的图片:(可以看出,自动从刚刚输入的jpg前面自动demo后面加上递增后缀,这个可以PDF的页面顺序下标对应)

python 将PDF 转成 图片的几种方法

④、一般只是转换一俩个上一步就行了,如果数量过多,可以用python写个脚本。

import os



def os_magick(pdf_path,img_dir,file_name):
    os.system(r'magick  {} {}/{}.jpg'.format(pdf_path,img_dir,file_name))


if __name__ == '__main__':

    pdf_path = r"demo1.pdf"
    img_dir = r'imgs3'
    # 图片名字的前缀
    file_name = 'demo'
    os_magick(pdf_path,img_dir,file_name)

注意点:

  1. pdf_path 和img_dir 必须填写绝对路径地址(我这里我前面地址删除了,看懂就好)
  2. 文件名的前缀可以自己定义
  3. 如果数量过多,并且需要储存的文件夹不同,可以自动创建目录,不过最后出入函数的还是绝对路径。

我的这个生成效果:

python 将PDF 转成 图片的几种方法

参考:

https://github.com/Belval/pdf2image
ttp://blog.alivate.com.au/poppler-windows/
https://imagemagick.org/script/download.php#windows
http://docs.wand-py.org/en/0.4.4/guide/install.html#install-imagemagick-windows
https://ghostscript.com/download/gsdnld.html
https://www.jianshu.com/p/f57cc64b9f5e
https://www.twblogs.net/a/5d483d89bd9eee541c30323b
http://blog.sciencenet.cn/blog-597740-1136907.html
https://www.jb51.net/article/160622.htm
https://www.ancii.com/an676u83y/
https://blog.csdn.net/qq_24127015/article/details/85111371

相关标签: HTML转PDF