【Python】PyMuPDF模块将PDF转换为图片

浅浅的花香味﹌ 2023-06-06 08:24 16阅读 0赞

上一篇文章介绍了[pdf2image模块+poppler将PDF转换为图片][pdf2image_poppler_PDF]，这篇文章主要介绍另外一个模块PyMuPDF。   
PyMuPDF（又名“fitz”）：MuPDF的Python绑定，它是一个轻量级的PDF和XPS查看器。该库可以访问PDF，XPS，OpenXPS，epub，漫画和小说书籍格式的文件，并以其顶级性能和高渲染质量而闻名。  
第三方库 PyMuPDF 在 python 环境下对 PDF 文件的操作，特别是图片和pdf之间相互转换比较方便，并且能较方便的执行一些如追加删除之类的功能。  
文档地址：https://pymupdf.readthedocs.io/en/latest/

github地址：[https://github.com/pymupdf/PyMuPDF][https_github.com_pymupdf_PyMuPDF]

# -*- coding: utf-8 -*-
    '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
    #作者：cacho_37967865
    #博客：https://blog.csdn.net/sinat_37967865
    #文件：PyMuPDFModel.py
    #日期：2019-10-10
    #备注：pip install PyMuPDF  
    https://github.com/pymupdf/PyMuPDF
    '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
    
    import fitz
    from operator import itemgetter
    import os
    import time
    from saveFile import a_save_txt
    
    
    # 将pdf转换为图片
    def pdf_to_image(pdfPath, imagePath):
        pdfDoc = fitz.open(pdfPath)
        for pg in range(pdfDoc.pageCount):
            page = pdfDoc[pg]
            pix = page.getPixmap(alpha=False)          # 默认是720*x尺寸
            if not os.path.exists(imagePath):
                os.makedirs(imagePath)
            pix.writePNG(imagePath+'/'+'images_%s.jpg' % pg)     #将图片写入指定的文件夹内
    
    
    # 将pdf转换为txt文字
    def pdf_to_text(pdfPath, textPath):
        doc = fitz.open(pdfPath)
        for page in doc:
            text = page.getText()
            print(text)
            a_save_txt(textPath,text)
    
    
    def pdf_to_TextBlocks(pdfPath, textPath):
        doc = fitz.open(pdfPath)
        for page in doc:
            blocks = page.getTextBlocks()
            sb = sorted(blocks, key=itemgetter(1, 0))
            for b in sb:
                print(b[4])
    
    
    def main():
        sTime = time.time()
        #pdf_to_image('1.pdf', 'F:\image\\output\\')
        pdf_to_text('1.pdf', 'F:\image\pdftxt.txt')
        #pdf_to_TextBlocks('1.pdf', 'F:\image\pdftxt.txt')
        eTime = time.time()
        s = eTime - sTime
        print('花费的时间为：%.2f秒' % (s))
    
    
    if __name__ == '__main__':
        main()

[pdf2image_poppler_PDF]: https://blog.csdn.net/sinat_37967865/article/details/102477235
[https_github.com_pymupdf_PyMuPDF]: https://github.com/pymupdf/PyMuPDF