使用PyMuPdf将pdf文件转化为img

将pdf文件转化为img

1 简介

将pdf转化为img方法比较多，本文介绍一下pdf2image和PyMuPDF，使用pdf2image依赖poppler才能够实现转化pdf，由于安装配置poppler比较麻烦（Poppler 是用于处理 PDF 文档的开源库。它可以对pdf文件进行页面提取、文本提取、注释和书签等了一系列高级功能），因此选择了PyMuPDF库。

# 安装pymupdf
pip install pymupdf

# 安装pymupdf4llm
pip install pymupdf4llm

2 使用PyMuPDF

import pathlib
import pymupdf4llm
import pymupdf


def pdf_to_md():
    # 转化为mark down
    md_text = pymupdf4llm.to_markdown("E:/test/tes2.pdf")
    # 存储markdown
    pathlib.Path("E:/test/tes2.md").write_bytes(md_text.encode())


def pdf_to_img():
    # 打开文档
    pdf = pymupdf.open("E:/test/tes2.pdf")

    # 读取每页pdf文件
    for page in pdf:
        # 设置分辨率
        # 不设置分辨率，dpi默认96
        pix = page.get_pixmap(dpi=300)

        # 转化为png
        pix.save("E:/test/img/page-%i.png" % page.number)


def pdf_to_other():
    # 打开文档
    pdf = pymupdf.open("E:/test/tes2.pdf")

    # 查看文档的基本信息
    meta_data = pdf.metadata
    print(meta_data)

    # 查找特定页面
    page = pdf.load_page(1)
    print(page)

    # 显示文本中的大纲标题
    # 返回值元素：[大纲级别, 大纲名称 , 大纲所在位置]
    toc = pdf.get_toc()
    print(toc)


if __name__ == '__main__':
    pdf_to_md()
    pdf_to_img()
    pdf_to_other()