实用操作（一）——从PDF中批量提取图片（Python实现）

曾经终败给现在 2024-04-19 15:21 83阅读 0赞

话不多说直接上干货：

首先需要安装个pymupdf：

pip install pymupdf

然后创建个python文件运行以下代码就行：

import fitz
    import time
    import re
    import os
     
    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)"  
        
        # 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))
        
            # 遍历每一个对象
        for i in range(1, lenXREF):
            # 定义对象字符串
            text = doc._getXrefString(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 = "img{}.png".format(imgcount)
            new_name = new_name.replace(':', '')
            
                # 如果pix.n<5,可以直接存为PNG
            if pix.n < 5:
                pix.writePNG(os.path.join(pic_path, new_name))
            # 否则先转换CMYK
            else:
                pix0 = fitz.Pixmap(fitz.csRGB, pix)
                pix0.writePNG(os.path.join(pic_path, new_name))
                pix0 = None
        # 释放资源
        pix = None
        t1 = time.clock()
        print("运行时间:{}s".format(t1 - t0))
        print("提取了{}张图片".format(imgcount))
        
    if __name__=='__main__':
        # pdf路径
        path = r'F:\论文\MICCAI\2018_Book_MedicalImageComputingAndComput4.pdf'
        pic_path = path[:-4]
        # 创建保存图片的文件夹
        if os.path.exists(pic_path):
            print("文件夹已存在，请重新创建新文件夹！")
            raise SystemExit
        else:
            os.mkdir(pic_path)
        m = pdf2pic(path, pic_path)

大家根据自己需要更改路径就能使用

运行结果如下：

![20190814233236875.png][]

78秒，一次性提取出396张图片

提取结果的文件夹：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTc4MzA3Nw_size_16_color_FFFFFF_t_70][]

# 转自： #

[从PDF中批量提取图片（Python实现）][PDF_Python]

[20190814233236875.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/9c8be76103af46709ae30a73e2332304.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTc4MzA3Nw_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/07a9cdc1ffbf409ca561e8327099bffc.png
[PDF_Python]: https://blog.csdn.net/weixin_41783077/article/details/99618143