[Python]PDF文件与图片转换(PyMuPDF)及转PPT
文章目录
- 安装与简介
- MuPDF
- PyMuPDF
- PyMuPDF使用
- 元数据
- 页面Page
- 代码示例
- PDF转图片
- 图片转PDF
- PDF转PPT
PyMuPDF提供了PDF及流行图片处理接口。
安装与简介
安装:pip install PyMuPDF
PyMuPDF使用手册参见https://pymupdf.readthedocs.io/en/latest/index.html
MuPDF
MuPDF是一个轻量级的PDF、XPS和电子书查看器。MuPDF由软件库、命令行工具和各种平台的查看器组成:
- 支持多种文档格式:如PDF、XPS、OpenXPS、CBZ、EPUB和FictionBook 2;
- 命令行工具可注释、编辑文档,并将文档转换为其他格式:如HTML、SVG、PDF和CBZ。
PyMuPDF
PyMuPDF是MuPDF的Python接口库:
- 可访问扩展名为“.pdf”、“.xps”、“.oxps”、“.cbz”、“.fb2”或“.epub”的文档;
- 可像文档样处理流行图像格式:“.png”,“.jpg”,“.bmp”,“.tiff”等
对于所有支持的文档类型可以:
- 解密文件
- 访问元信息、链接和书签
- 以栅格格式(PNG和其他格式)或矢量格式SVG呈现页面
- 搜索文本
- 提取文本和图像
- 转换为其他格式:PDF, (X)HTML, XML, JSON, text
- 对于PDF文档,存在大量的附加功能,可以:创建、合并或拆分。页面可以通过多种方式插入、删除、重新排列或修改(包括注释和表单字段)。
- 可以提取或插入图像和字体
- 完全支持嵌入式文件
- pdf文件可以重新格式化,以支持双面打印,色调分离,应用标志或水印
- 完全支持密码保护:解密、加密、加密方法选择、权限级别和用户/所有者密码设置
- 支持图像、文本和绘图的PDF可选内容概念
- 可以访问和修改低级PDF结构
PyMuPDF使用
通过open可打开文档(Document对象):
import fitzdoc = fitz.open(filename)# ...
doc.save('file')
doc.close()
Document中发主要方法与属性:
方法/属性 | 描述 |
---|---|
Document.page_count | 页数 (int) |
Document.metadata | 元数据 (dict) |
Document.get_toc() | 获取目录 (list) |
Document.load_page() | 读取页面 |
对于PDF文档,有以下页面操作方法:
- 删除页面:Document.delete_page()和Document.delete_pages()
- 复制或移动页面:Document.copy_page()、Document.fullcopy_page()和Document.move_page()
- 选择页面(只保留选择范围内的页面):Document.select()
- 插入新页:Document.insert_page()和Document.new_page(),以及Document.insert_pdf()
元数据
Document.metadata是一个具有以下键的Python字典。
Key | Value |
---|---|
producer | producer (producing software) |
format | format: ‘PDF-1.4’, ‘EPUB’, etc. |
encryption | encryption method used if any |
author | 作者 |
modDate | 最后修改日期 |
keywords | 关键字 |
title | 标题 |
creationDate | 创建日期 |
creator | creating application |
subject | subject |
页面Page
页面是MuPDF的核心:
• 可以将页面呈现为光栅或矢量(SVG)图像,可以选择缩放、旋转、移动或剪切页面。
• 可以提取多种格式的页面文本和图像,并搜索文本字符串。
• 对于PDF文档,可以使用更多的方法向页面添加文本或图像。
从Document中获取页面,页面索引:
- 第一页为0;
- 负数表示从末尾倒数:如doc[-1]表示获取最后一页;
# pno是页面索引
page = doc.load_page(pno)
# or
page = doc[pno]
页面操作方法:
page.get_links()
:获取页面中的连接(返回字典);page.annots()
:获取注释;page.widgets()
:获取表单;pix = page.get_pixmap()
:获取光栅图像(整个页面作为一个图像);pix.save('page.jpg')
:保存为图像;
page.get_svg_image()
:获取矢量图像;page.get_text(opt)
:获取文本,opt可为:- “text”:(默认)带换行符的纯文本(无格式、无文字位置详细信息、无图像);
- “blocks”:生成文本块(段落)的列表;
- “words”:生成单词列表(不包含空格的字符串);
- “html”:创建页面的完整视觉版本,包括任何图像;
- “dict”/“json”:与HTML相同的信息级别,但作为Python字典或JSON字符串。
- “rawdict”/“rawjson”:“dict”/"json"的超级集合。它还提供诸如XML之类的字符详细信息。
- “xhtml”:文本信息级别与文本版本相同,但包含图像。
- “xml”:不包含图像,但包含每个文本字符的完整位置和字体信息,使用XML模块进行解释。
page.search_for("txt")
:搜索文本
代码示例
PDF转图片
通过get_pixmap获取每页PDF为图片,然后保存即可。其中zoom用于控制生成图片的缩放比例。
import fitzdef pdf2image(pdfFile, storePath, zoom=2.0):doc = fitz.open(pdfFile)picName = os.path.splitext(os.path.basename(pdfFile))[0]index = 0os.makedirs(storePath, exist_ok=True)images = []print(f"To convert: {pdfFile}")for pg in range(doc.page_count):page = doc[pg]index += 1rotate = int(0)print(f"\tconvert page {index}")# 每个尺寸的缩放系数(提高生成分辨率)zoom_x, zoom_y = zoom, zoommat = fitz.Matrix(zoom_x, zoom_y)pm = page.get_pixmap(matrix=mat, alpha=False)imgName = '{}-{}.jpg'.format(picName, index)imgFile = os.path.join(storePath, imgName)pm.save(imgFile)images.append(imgFile)doc.close()return images
图片转PDF
把图片插入到新建页中(插入位置使用页面框,即填充整个页面)
def image2pdf(imgDir, pdfFile, width=595, height=842):doc = fitz.open()print("To convert image to PDF:")for img in sorted(glob.glob("{}/*".format(imgDir))):print(f"\tAdd image {img}")page = doc.new_page(width=width, height=height)page.insert_image(page.rect, filename=img) # 将当前页插入文档doc.save(pdfFile)print(f"PDF save to {pdfFile}")doc.close()
PDF转PPT
转PPT时需要用到pptx库:pip install python-pptx
使用文档:https://python-pptx.readthedocs.io/en/latest/index.html
先把PDF转为图片,然后把每张图片生成一个幻灯片页面(PPT页面大小有width与height控制)
import fitz
import pptx
from pptx.util import Inchesdef pdf2pptx(pdfFile, pptFile, imgPath, width=10, height=7.5, zoom=2.0):images = pdf2image(pdfFile, imgPath, zoom)ppt = pptx.Presentation()for i in images:layout = ppt.slide_layouts[0] # 定义一个PPT页面样式slide = ppt.slides.add_slide(layout)slide.shapes.add_picture(image_file=i,left=Inches(0),top=Inches(0),width=Inches(width),height=Inches(height))ppt.save(pptFile)shutil.rmtree(imgPath)
[Python]PDF文件与图片转换(PyMuPDF)及转PPT相关推荐
- 图片弄成pdf怎么弄?怎么把图片做成pdf文件?图片转换成pdf格式的软件?
有时候我们需要把图片转成pdf.可能还有些小伙伴不知道怎么去完成这项转换的,图片转pdf其实很简单,下面给大家分享一个超级简单的图片转pdf方法: 搜索一下:~~~~~~轻云pdf编辑压缩官网 打开网 ...
- Python怎么将pdf转为图片?Python如何实现pdf文件转图片
而pdf则是用来保存一些内容已经确定好的数据,因为pdf是无法直接修改内容的,所以也会经常将pdf转为图片来保存.本文就将会来介绍一下pdf转图片的方法,往下看看吧. 1.pdf转图片的话主要实现所需 ...
- python成功将PDF文件转为图片,一次成功,不再踩坑!
网上有很多方法,但是包括PDF2image库.PyMupdf库等. 在摸索过程中我发现pdf的解析可以分为两种: 1.标准的PDF文件 表现在字体清晰.无畸变.这类PDF文件是通过word等格式编辑好 ...
- Python PDF文件转Word格式
1.免费在线转换网站 PDF转换器,限制50页: http://pdfdo.com/pdf-to-word.aspx 迅捷PDF转换器,限制2M: http://app.xunjiepdf.com/p ...
- tif文件转pdf_PPT怎么转换成PDF文件?可以帮到你的PPT转PDF方法
PPT怎么转换成PDF文件?大家在平时的工作与学习中肯定接触且使用过PPT.PDF这两种格式的文件,随之就会有将PPT转换成PDF文件的需求.这是由于PPT文件兼容性比较差,不同设备打开文件的效果不同 ...
- pdf转图片 java_有将pdf文件转图片的格式方法吗?
有时候我们为了方便传输,需要把图片转为PDF的格式,因为它所占的空间相对要小.但是因为pdf文件的安全性很好所以不能进行编辑,那我们又要进行编辑图片的时候,就又会把PDF文件格式转换成图片来进行编辑. ...
- Java实现pdf文件转图片
Java实现pdf文件转图片 文章顺序是按照测试类- -Service- -Service实现类- -工具类- - POM依赖. test测试类里 pdfPath:存放pdf源文件的地方 imgflo ...
- 前端PDF文件转图片方法(你值得收藏)
前端PDF文件转图片方法(你值得收藏) 第一步:先下载pdfjs,网址:PDF下载地址,再引入到项目中,我是标签直接引用的 <script src="pdfjs/build/pdf.j ...
- 上传pdf文件转图片翻页小工具,遇到JSP form中type=file的文件上传及后台Part处理问题(后台取值为null)
最近公司要求做一个上传pdf文件后将文件转换为翻页图片的小工具,我是这么做的 1.先找图片翻页的demo,微软有现有的产品turn.js感兴趣的可以自己看一下 ,有双页的有单页的,因为我司要求手机端使 ...
最新文章
- [转]用android LinearLayout和RelativeLayout实现精确布局
- Spring Cloud(5)---基于 Spring Cloud 完整的微服务架构实战
- Machine Learning - Coursera week5 cost function and backpropagation 1
- python如何定义类_Python class定义类,Python类的定义(入门必读)
- 在Eclipse中实现C++ 11的完整支持
- 河北2021高考成绩查询具体时间,2021河北高考时间具体安排表
- 机器学习之KNN 算法
- 开源的工业软件-面向生产控制环节
- python如何截长图_Python网页截图/屏幕截图/截长图如何实现?
- Android创建快捷方式-SHORTCUT
- 【JAVA SE基础篇】29.初识数组
- directshow视频旋转90度
- Win32窗口--XBox游戏手柄--C++--方向轮和按键捕获
- linux防火墙reject,Iptables 扩展动作 Reject Mark
- VB.Net - 指令
- kettle 教程(四):自定义 Java 代码
- Python超市管理系统毕业设计源码111042
- Linux 入门视频教程
- C语言——leetcode69——X的平方根
- python实现图(卖芒果)
热门文章
- php论坛源码登录破解,MDClub轻量级php论坛源码
- ensp二,三层交换机配置实验
- Throwing OutOfMemoryError “pthread_create (1040KB stack) failed: Try again“
- 有哪些野路子电脑技能让非程序员感到神奇?
- MATLAB十进制转其它进制的代码
- 农业生产适宜性评价之环境资源评价算法
- AR导览智慧旅游解决方案-广东海狸信息科技
- 大数据基础及应用试题分析
- php shopping_PHP实现购物网站实例详解
- 低EMI的DCDC设计