Python實現獲取PDF中的圖片

背景是小舅子要想要截取PDF里面的圖片。在網上找了一段代碼，如下

import fitz

import re

import os

 

file_path = r 'C:\xxx\xxx.pdf' # PDF 文件路徑

dir_path = r 'C:\xxx' # 存放圖片的文件夾

 

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.search(checkIM, text)

     if not isImage:

       continue

     pix = fitz.Pixmap(pdf, i)

     new_name = f "img_{count}.png"

     pix.writePNG(os.path.join(pic_path, new_name))

     count + = 1

     pix = None

 

pdf2image1(file_path, dir_path)

 

運行的時候報錯 Decument 沒有 _getXrefString 、_getXrefLength方法，然后網上沒有找到解決辦法，找我看了一下

 

 

 

然后去第三方庫里面 fitz 里面看了一下

發現 _getXrefString 這個方法確實沒有

 

然后理解了一下代碼_getXrefLength 這個函數大概是獲取PDF總頁數

_getXrefString 這個是獲取PDF對應頁內容的

在fitz 庫里面找到了實現這獲取總頁數的函數 和 一個替代函數  獲取當前頁的image 函數。如果當前頁沒有image返回null

分別是 xref_length 和 extract_image

然后改了一下代碼，運行，發現  search 這里也報錯

找到第三方庫的這個函數，發現傳參的時候，第二個參數是String類型的，而我替換的函數extract_image 返回的是個數組。所以 做了一下強轉。修改后代碼如下

# -*- coding: utf-8 -*-

import fitz
import re
import os

file_path = r'C:\Users\xxx\Desktop\新建文件夾\xxx.pdf' # PDF 文件路徑
dir_path = r'C:\Users\xxx\Desktop\test' # 存放圖片的文件夾

def pdf2image1(path, pic_path):
    checkIM = r"image"
    pdf = fitz.open(path)
    lenXREF = pdf.xref_length()
    count = 1
    for i in range(1, lenXREF):
        text = pdf.extract_image(i)
        print(text)
        isImage = re.search(checkIM, str(text))
        if not isImage:
            continue
        pix = fitz.Pixmap(pdf, i)
        new_name = f"img_{count}.png"
        pix.writePNG(os.path.join(pic_path, new_name))
        count += 1
        pix = None

pdf2image1(file_path, dir_path)