python如何提取pdf图片

要提取PDF中的图片，主要可以通过以下几种方法：使用PyMuPDF库、使用pdf2image库、使用PyPDF2和Pillow库。下面我将详细描述如何使用PyMuPDF库来提取PDF中的图片。

一、使用PyMuPDF库

PyMuPDF（又名fitz）是一个功能强大的PDF处理库，可以用来提取PDF中的图片。

1、安装PyMuPDF库

首先，我们需要安装PyMuPDF库，可以通过以下命令进行安装：

pip install PyMuPDF

2、提取PDF中的图片

下面是一个使用PyMuPDF提取PDF中所有图片的示例代码：

import fitz  # PyMuPDF
def extract_images_from_pdf(pdf_path, output_folder):
    # 打开PDF文件
    pdf_document = fitz.open(pdf_path)
    # 遍历每一页
    for page_num in range(len(pdf_document)):
        page = pdf_document.load_page(page_num)
        image_list = page.get_images(full=True)
        # 遍历每一页中的每个图片
        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"]
            # 保存图片到输出文件夹
            image_filename = f"{output_folder}/image_{page_num + 1}_{img_index + 1}.{image_ext}"
            with open(image_filename, "wb") as image_file:
                image_file.write(image_bytes)
    print("图片提取完成")
使用示例
pdf_path = "example.pdf"
output_folder = "output_images"
extract_images_from_pdf(pdf_path, output_folder)

二、使用pdf2image库

pdf2image是一个可以将PDF页面转换为图像的库，可以用来提取PDF中的图片。

1、安装pdf2image库

首先，我们需要安装pdf2image库和poppler-utils，可以通过以下命令进行安装：

pip install pdf2image

在Windows上，还需要安装Poppler并将其路径添加到系统环境变量中。

2、提取PDF中的图片

下面是一个使用pdf2image提取PDF中所有图片的示例代码：

from pdf2image import convert_from_path
def extract_images_from_pdf(pdf_path, output_folder):
    # 将PDF页面转换为图片
    pages = convert_from_path(pdf_path, 300)
    # 保存每个页面的图片
    for page_num, page in enumerate(pages):
        image_filename = f"{output_folder}/page_{page_num + 1}.jpg"
        page.save(image_filename, "JPEG")
    print("图片提取完成")
使用示例
pdf_path = "example.pdf"
output_folder = "output_images"
extract_images_from_pdf(pdf_path, output_folder)

三、使用PyPDF2和Pillow库

PyPDF2是一个纯Python编写的PDF工具包，Pillow是Python Imaging Library (PIL) 的一个友好分支，可以用来处理图像。

1、安装PyPDF2和Pillow库

首先，我们需要安装PyPDF2和Pillow库，可以通过以下命令进行安装：

pip install PyPDF2 pip install Pillow

2、提取PDF中的图片

下面是一个使用PyPDF2和Pillow提取PDF中所有图片的示例代码：

import PyPDF2
from PIL import Image
import io
def extract_images_from_pdf(pdf_path, output_folder):
    # 打开PDF文件
    pdf_file = open(pdf_path, "rb")
    pdf_reader = PyPDF2.PdfFileReader(pdf_file)
    # 遍历每一页
    for page_num in range(pdf_reader.numPages):
        page = pdf_reader.getPage(page_num)
        if '/XObject' in page['/Resources']:
            xObject = page['/Resources']['/XObject'].getObject()
            # 遍历每一页中的每个图片
            for obj in xObject:
                if xObject[obj]['/Subtype'] == '/Image':
                    image_data = xObject[obj]._data
                    image_ext = xObject[obj]['/Filter'][1:]
                    # 保存图片到输出文件夹
                    image_filename = f"{output_folder}/image_{page_num + 1}_{obj[1:]}.{image_ext.lower()}"
                    with open(image_filename, "wb") as image_file:
                        image_file.write(image_data)
    print("图片提取完成")
使用示例
pdf_path = "example.pdf"
output_folder = "output_images"
extract_images_from_pdf(pdf_path, output_folder)

四、总结

通过以上三种方法，我们可以轻松地从PDF文件中提取图片。PyMuPDF库功能强大，支持多种图片格式和高效的提取方式，推荐使用。pdf2image库适合将整个页面转换为图片，适用于需要查看整个页面的情况。PyPDF2和Pillow库组合使用可以实现更复杂的图片处理，适合需要对图片进行进一步处理的场景。

无论选择哪种方法，都需要根据具体需求选择合适的工具和方法进行图片提取。希望本文能对你有所帮助，祝你在Python编程中取得更好的成果！