如何使用python3得到PDF图片

要使用Python3获取PDF中的图片，可以使用Python库如PyMuPDF、pdf2image、PyPDF2和Pillow等，这些库提供了强大的功能，来处理PDF文件并提取其中的图像。下面将详细描述其中一种方法，并提供一些代码示例。

一、安装必要的库

在开始之前，你需要安装一些Python库。可以使用pip命令来安装这些库：

pip install fitz PyMuPDF pdf2image Pillow

二、使用PyMuPDF提取图片

PyMuPDF是一个强大的PDF处理库，能够高效地处理PDF文件并提取其中的图片。下面是详细的步骤：

1、导入必要的库

首先，导入你需要的库：

import fitz  # PyMuPDF
import io
from PIL import Image

2、打开PDF文件

使用PyMuPDF打开PDF文件：

def open_pdf(file_path):
    return fitz.open(file_path)

3、提取图片

编写函数来遍历PDF的每一页，并提取所有的图片：

def extract_images_from_pdf(pdf_document):
    image_list = []
    for page_num in range(len(pdf_document)):
        page = pdf_document.load_page(page_num)
        image_list.extend(page.get_images(full=True))
    return image_list

4、保存提取的图片

编写函数来保存提取的图片：

def save_images_from_pdf(image_list, pdf_document, output_folder):
    for img_index, img in enumerate(image_list):
        xref = img[0]
        base_image = pdf_document.extract_image(xref)
        image_bytes = base_image["image"]
        image_ext = base_image["ext"]
        image = Image.open(io.BytesIO(image_bytes))
        image.save(f"{output_folder}/image_{img_index}.{image_ext}")

5、完整的示例代码

将上述步骤组合起来，得到一个完整的示例代码：

import fitz  # PyMuPDF
import io
from PIL import Image
def open_pdf(file_path):
    return fitz.open(file_path)
def extract_images_from_pdf(pdf_document):
    image_list = []
    for page_num in range(len(pdf_document)):
        page = pdf_document.load_page(page_num)
        image_list.extend(page.get_images(full=True))
    return image_list
def save_images_from_pdf(image_list, pdf_document, output_folder):
    for img_index, img in enumerate(image_list):
        xref = img[0]
        base_image = pdf_document.extract_image(xref)
        image_bytes = base_image["image"]
        image_ext = base_image["ext"]
        image = Image.open(io.BytesIO(image_bytes))
        image.save(f"{output_folder}/image_{img_index}.{image_ext}")
if __name__ == "__main__":
    pdf_path = "path/to/your/pdf/document.pdf"
    output_folder = "path/to/output/folder"
    pdf_document = open_pdf(pdf_path)
    image_list = extract_images_from_pdf(pdf_document)
    save_images_from_pdf(image_list, pdf_document, output_folder)

三、其他方法

除了PyMuPDF外，还有其他几种方法可以提取PDF中的图片，下面简要介绍几种：

1、使用pdf2image和Pillow

pdf2image库可以将PDF文件转换为图像格式，然后使用Pillow库来保存这些图像：

from pdf2image import convert_from_path
from PIL import Image
def convert_pdf_to_images(pdf_path, output_folder):
    images = convert_from_path(pdf_path)
    for i, image in enumerate(images):
        image.save(f"{output_folder}/page_{i}.png", "PNG")
if __name__ == "__main__":
    pdf_path = "path/to/your/pdf/document.pdf"
    output_folder = "path/to/output/folder"
    convert_pdf_to_images(pdf_path, output_folder)

2、使用PyPDF2提取图片

虽然PyPDF2主要用于操作PDF的文本和结构，但也可以用于提取嵌入的图片：

import PyPDF2
def extract_images_from_pypdf2(pdf_path, output_folder):
    with open(pdf_path, "rb") as file:
        reader = PyPDF2.PdfFileReader(file)
        for page_num in range(reader.numPages):
            page = reader.getPage(page_num)
            if "/XObject" in page["/Resources"]:
                xObject = page["/Resources"]["/XObject"].getObject()
                for obj in xObject:
                    if xObject[obj]["/Subtype"] == "/Image":
                        img = xObject[obj]
                        img_data = img._data
                        with open(f"{output_folder}/image_{page_num}_{obj}.png", "wb") as img_file:
                            img_file.write(img_data)
if __name__ == "__main__":
    pdf_path = "path/to/your/pdf/document.pdf"
    output_folder = "path/to/output/folder"
    extract_images_from_pypdf2(pdf_path, output_folder)