三种方法，Python轻松提取PDF中全部图片

最新推荐文章于 2024-07-20 02:20:02 发布

小白^-

最新推荐文章于 2024-07-20 02:20:02 发布

阅读量3.9k

点赞数 5

分类专栏：分享文章标签： python

本文链接：https://blog.youkuaiyun.com/weixin_46737755/article/details/113085763

版权

本文介绍了使用Python从PDF中提取图片的三种方法，包括基于`PyPDF2`库和正则表达式的搜索，以及使用`pdf2image`库的两种方式。文章详细阐述了每种方法的实现过程，提供了示例代码，并讨论了如何通过设置阈值过滤掉小色块。此外，还提到了`pdf2image`库的多线程加速转换功能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

有时我们需要将一份或者多份PDF文件中的图片提取出来，如果采取在线的网站实现的话又担心图片泄漏，手动操作又觉得麻烦，其实用Python也可以轻松搞定！

今天就跟大家系统分享几种Python提取 PDF 图片的方法。其实没有非常完美的方法，每种方法提取效率都不是百分之百，因此可以考虑用多种方法进行互补，主要将涉及：

基于 fitz 库和正则搜索提取图片
基于 pdf2image 库的两种方法提取图片

基于 `fitz` 库和正则搜索

fitz 是 pymupdf 的子模块，需要先用命令行安装 pymupdf：

pip install pymupdf

但注意导入时使用 import fitz 导入模块!

下面的代码就利用 fitz 库提取图片需要通过正则匹配图片元素，将模板元素转化为像素后再以图片形式写出

import fitz
import re
import os

file_path = r'C:\xxx\xxx.pdf' # PDF 文件路径
dir_path = r'C:\xxx' # 存放图片的文件夹

def pdf2image1(path, pic_path):
    checkIM = r"/Subtype(?= */Image)"
    pdf = fitz.open(path)
    lenXREF = pdf._getXrefLength()
    count = 1
    for i in range(1, lenXREF):
        text = pdf._getXrefString(i)
        isImage = re.searc