python提取pdf中图片最新代码

原创于 2021-04-27 17:12:26 发布 · 361 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#python

本文分享了如何在最新版本的fitzPyMuPDF库支持下，修复并优化了从PDF文件中提取图片的代码，包括搜索图像元数据和处理不同分辨率图片的技巧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在csdn上找了很多提取pdf图片的代码，发现有的函数调用不了，可能是因为kits库更新的缘故，在查阅库源代码后，更新了提取代码，如下：

#安装库：pip install fitz PyMuPDF
# 提取图片
import fitz
import re
import os
def pic(pdf_path,save_path):
    check1=r"/Subtype(?= */Image)"
    check2= r"/Type(?= */XObject)"
    pdf=fitz.open(pdf_path)
    count=0
    lenx=pdf.xref_length()
    for i in range(1,lenx):
        text = pdf.xref_object(i)  
        isXObject = re.search(check2, text)
        isImage = re.search(check1, text)
        
        
        if not isXObject or not isImage:
            continue
		
        count+=1
        pix = fitz.Pixmap(pdf, i)
		
		# 保存图像名
        img_name = "img{}.png".format(count)
        

        if pix.n < 5:
            try:
                pix.writePNG(os.path.join(save_path, img_name))
                pix = None
            except:
                pix0 = fitz.Pixmap(fitz.csRGB, pix)
                pix0.writePNG(os.path.join(save_path, img_name))
                pix0 = None