pdf转换成jpg python_【PyMuPDF和pdf2image】Python将PDF转成图片PNG和JPG
公众号:前言:在最近的测试中遇到一个与PDF相关的测试需求,其中有一个过程是将PDF转换成图片,然后对图片进行测试。
粗略的试了好几种方式,其中语言尝试了Python和Java,总体而言所找到的Python方式相对比Java更快一些,更简单一些。
下面首先分享一下Python将PDF转换成图片,Java后续有时间在进行分享。
需求:我需要先将PDF转换成为PNG图片,并截取图片的一部分存储,然后作为测试目标进行测试。
操作:
1、PDF转PNG图片
2、对PNG图片进行指定区域截图,在另存到指定文件夹下
针对截图此处所找到的方法如上一篇文章:
1、PyMuPDF将PDF转换成图片
pip install PyMuPDF
import sys, fitz, os, datetime
def pyMuPDF_fitz(pdfPath, imagePath):
startTime_pdf2img = datetime.datetime.now()#开始时间
print("imagePath="+imagePath)
pdfDoc = fitz.open(pdfPath)
for pg in range(pdfDoc.pageCount):
page = pdfDoc[pg]
rotate = int(0)
# 每个尺寸的缩放系数为1.3,这将为我们生成分辨率提高2.6的图像。
# 此处若是不做设置,默认图片大小为:792X612, dpi=96
zoom_x = 1.33333333 #(1.33333333-->1056x816) (2-->1584x1224)
zoom_y = 1.33333333
mat = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)
pix = page.getPixmap(matrix=mat, alpha=False)
if not os.path.exists(imagePath):#判断存放图片的文件夹是否存在
os.makedirs(imagePath) # 若图片文件夹不存在就创建
pix.writePNG(imagePath+'/'+'images_%s.png' % pg)#将图片写入指定的文件夹内
endTime_pdf2img = datetime.datetime.now()#结束时间
print('pdf2img时间=',(endTime_pdf2img - startTime_pdf2img).seconds)
if __name__ == "__main__":
pdfPath = '../path/demo.pdf'
imagePath = '../path/image'
pyMuPDF_fitz(pdfPath, imagePath)
image.gif
PDF文档页数超过100页的话需要十几秒,因为先转换成一整张1056X816的图片,再对本地文件中的所有图片进行遍历截图,时间上比较慢,通过查看文档发现:
还可以在转换的同时指定图片的大小,对图片指定区域进行截取,这样快很多,一步到位,省去了二次截图的过程,前提使我们必须要知道想要截取哪一块区域并保存
官方示例代码如下:
image
#下面的这段代码就是想要从一页PDF的中心点为起点截取到右下角的区域,截取整张图的1/4.
>>> mat = fitz.Matrix(2, 2) # 在每个方向缩放因子2
>>> rect = page.rect # 页面的矩形
>>> mp = rect.tl + (rect.br - rect.tl) * 0.5 # 矩形的中心
>>> clip = fitz.Rect(mp, rect.br) # 我们想要的剪切区域
>>> pix = page.getPixmap(matrix = mat, clip = clip)
image.gif
实际用到的例子是:
整张图片导出之后是1056x816,但是我想要的是这张图片最底部的部分1056x75,相当于PDF文档的页脚部分。
import sys, fitz, os, datetime
def pyMuPDF_fitz(pdfPath, imagePath):
startTime_pdf2img = datetime.datetime.now()#开始时间
pdfDoc = fitz.open(pdfPath)
for pg in range(pdfDoc.pageCount):
page = pdfDoc[pg]
rotate = int(0)
# 每个尺寸的缩放系数为1.3,这将为我们生成分辨率提高2.6的图像。
# 此处若是不做设置,默认图片大小为:792X612, dpi=96
zoom_x = 1.33333333 #(1.33333333-->1056x816) (2-->1584x1224)
zoom_y = 1.33333333
mat = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)
pix = page.getPixmap(matrix=mat, alpha=False)
if not os.path.exists(imagePath):#判断存放图片的文件夹是否存在
os.makedirs(imagePath) # 若图片文件夹不存在就创建
pix.writePNG(imagePath+'/'+'images_%s.png' % pg)#将图片写入指定的文件夹内
endTime_pdf2img = datetime.datetime.now()#结束时间
print('pdf2img时间=',(endTime_pdf2img - startTime_pdf2img).seconds)
def pyMuPDF2_fitz(pdfPath, imagePath):
pdfDoc = fitz.open(pdfPath) # open document
for pg in range(pdfDoc.pageCount): # iterate through the pages
page = pdfDoc[pg]
rotate = int(0)
# 每个尺寸的缩放系数为1.3,这将为我们生成分辨率提高2.6的图像
# 此处若是不做设置,默认图片大小为:792X612, dpi=96
zoom_x = 1.33333333 #(1.33333333-->1056x816) (2-->1584x1224)
zoom_y = 1.33333333
# 缩放系数1.3在每个维度 .preRotate(rotate)是执行一个旋转
mat = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)
rect = page.rect # 页面大小
mp = rect.tl + (rect.bl - (0,75/zoom_x)) # 矩形区域 56=75/1.3333
clip = fitz.Rect(mp, rect.br) # 想要截取的区域
pix = page.getPixmap(matrix=mat, alpha=False, clip=clip) # 将页面转换为图像
if not os.path.exists(imagePath):
os.makedirs(imagePath)
pix.writePNG(imagePath+'/'+'psReport_%s.png' % pg)# store image as a PNG
if __name__ == "__main__":
pdfPath = '../path/demo.pdf'
imagePath = '../path/image'
#pyMuPDF_fitz(pdfPath, imagePath)#只是转换图片
pyMuPDF2_fitz(pdfPath, imagePath)#指定想要的区域转换成图片
当然上面这种是综合下来最快的,另外再介绍一种方法pdf2image
2、pdf2image 将PDF转换成图片
pdf2image也是个包装器,真正的转换工具是poppler
GitHub地址:https://github.com/Belval/pdf2image ,上面也有相关的配置说明。
1、安装pdf2image: pip install pdf2image
2、Windows安装配置poppler(这里只介绍Windows,Mac和Linux去上面Github地址里面参考官网)
Windows用户必须为Windows安装http://blog.alivate.com.au/poppler-windows/),然后将bin/文件夹添加到PATH(开始>输入env>编辑系统环境变量>环境变量...>系统变量>Path)
注意这里配置之后需要重启一下电脑才会生效,不然会报如下错误:
ERROE:FileNotFoundError: [WinError 2] The system cannot find the file specified
During handling of the above exception, another exception occurred:
3、pip install pillow (如果你还没有安装过的话)
from pdf2image import convert_from_path,convert_from_bytes
import tempfile
from pdf2image.exceptions import (
PDFInfoNotInstalledError,
PDFPageCountError,
PDFSyntaxError
)
def pdf2image2(pdfPath, imagePath, pageNum):
#方法一:
#convert_from_path('a.pdf', dpi=500, "output",fmt="JPEG",output_file="ok"
#,thread_count=4)
#这会将a.pdf转换成在output文件夹下形如ok_线程id-页码.jpg的一些文件。
#若不指定thread_count则默认为1,并且在文件名中显示id. 这种转换是直接写入到磁盘上的,
#因此不会占用太多内存。
#下面的写法直接写入到内存,默认是C:\Users\pppp\AppData\Local\Temp\生成的uuid4名字
images = convert_from_path(pdfPath, dpi=96)
for image in images:
if not os.path.exists(imagePath):
os.makedirs(imagePath)
image.save(imagePath+'/'+'psReport_%s.png' % images.index(image), 'PNG')
#方法二:
images = convert_from_bytes(open('/home/belval/example.pdf', 'rb').read())
for image in images:
if not os.path.exists(imagePath):
os.makedirs(imagePath)
image.save(imagePath+'/'+'psReport_%s.png' % images.index(image), 'PNG')
#方法三,也是最推荐的方法
with tempfile.TemporaryDirectory() as path:
images_from_path = convert_from_path(pdfPath, output_folder=path,
dpi=96)
for image in images_from_path:
if not os.path.exists(imagePath):
os.makedirs(imagePath)
image.save(imagePath+'/'
+'psReport_%s.png' % images_from_path.index(image), 'PNG')
print(images_from_path)
以下是参数定义:
convert_from_path(pdf_path, dpi=200, output_folder=None, first_page=None, last_page=None, fmt='ppm', thread_count=1, userpw=None, use_cropbox=False, strict=False, transparent=False, single_file=False, output_file=str(uuid.uuid4()), poppler_path=None)
convert_from_bytes(pdf_file, dpi=200, output_folder=None, first_page=None, last_page=None, fmt='ppm', thread_count=1, userpw=None, use_cropbox=False, strict=False, transparent=False, single_file=False, output_file=str(uuid.uuid4()), poppler_path=None)
pdf_path --> 要转换的PDF文档路径
dpi -->DPI中的图像质量(默认为200),Windows默认为96dpi
output_folder --> 将生成的图像写入文件夹(而不是直接写入内存)若是path不做指定的话,path的默认地址是:C:\Users\pppp\AppData\Local\Temp\生成的uuid4。
first_page --> 从哪一页开始转换,默认是PDF的第一页
last_page -->转换到哪一页,默认是PDF的最后一页
fmt --> 输出图像格式默认格式是ppm,还可以设置为png和jpeg等
thread_count --> 允许生成多少个线程进行处理,一般不超过4个线程;
userpw --> PDF的密码(若有密码的话需要添加)
use_cropbox -->使用cropbox而不是mediabox
strict --> 参数允许您使用自定义类型PDFSyntaxError捕获pdftoppm语法错误
transparent --> 参数允许生成没有背景的图像,而不是通常的白色图像(为此需要pdftocairo)
single_file --> 使用pdftoppm / pdftocairo中的-singlefile选项
output_file --> 输出文件名是什么
poppler_path --> 查找poppler二进制文件的路径,允许用户使用poppler_path指定poppler的安装路径;默认不指定的话需要将bin添加到系统PATH
pdf2image应该也可以对指定区域进行截取,暂时还没详细研究其方法,因为已经找到更快的方法解决问题了,对比如下所示:
3、 比较PyMuPDF和pdf2image
以下是对一份75页的PDF,输出DPI=96的时间性能对比,pdf2image使用的是默认线程数,下面的对比并没有设置多线程,使用多线程会快一点,当线程数设为5的时候,速度是9秒。
可以看出使用pyMuPDF_Fitz明显快一倍多,最终选取了这种方式。
4、Wand将PDF转换成图片
和pdf2image一样,wand都是包装接口(bindings),而实际进行转换的工具是ImageMagick.
Wind官网:http://docs.wand-py.org/en/0.5.6/
from wand.image import Image
filename="somefile.pdf"
with(Image(filename=filename, resolution=120)) as source:
images = source.sequence
pages = len(images)
for i in range(pages):
n = i + 1
newfilename = filename[:-4] + str(n) + '.jpeg'
Image(images[i]).save(filename=newfilename)
由于问题已经解决,而且性能也还不错,就没有具体去研究Wind这种方式了,感兴趣的可以去看看。
pdf转换成jpg python_【PyMuPDF和pdf2image】Python将PDF转成图片PNG和JPG相关推荐
- 各种PDF转换问题(三).将AutoCAD图纸转为PDF文档
目前国内企业生产的自动化程度并不是很高,大多数都无法使用三维图直接进行加工生产,所以二维图对于大多数企业来说,仍然是最根本的生产依据.那么,在企业中,二维图转PDF就是一个很重要的小步骤,因为后续的打 ...
- 【PDF转换电子书】云展网教程 | 如何制作PDF文件上传云展网?
云展网仅支持PDF文件上传,但是没有PDF文件怎么办呢?以下推荐几种制作PDF文件的方法: 方法一:图片转换为PDF文件 有图片文件,可以把图片文件转换为PDF文件. 方法二:使用专业PDF制作工具制 ...
- delphi pdf 转换 html5,Delphi使用Word ActiveX将doc转换为pdf
我使用以下.vbs脚本执行此操作.如果你需要Delphi代码,那么转换就很容易了: Const wdDoNotSaveChanges = 0 Const wdRevisionsViewFinal = ...
- 高中学历能学python_高中生学编程--Python学习.pdf
目录 前言 高中生如何学习编程 一.Python语言的入门 二.计算机系统的简单介绍 三.计算机语言的介绍 四.Python语言简单介绍 五.Python的语言基础 六.Python的程序流程 七.P ...
- python提取pdf内容_别再问如何用Python提取PDF内容了!
导读 大家好,在之前的办公自动化系列文章中我们已经详细介绍了
- 怎么把PDF转换成Excel表格?两分钟教会你如何转换
如何将PDF文件转换成Excel表格的格式呢?大家在办公过程中还是会经常使用到PDF文件的,因为这种格式的文件表现出来特征非常稳定,因此我们很多时候下载或者是接收到的文件都是PDF文件,但是我们需要使 ...
- 如何把pdf转换成excel转换器免费版
pdf转换成excel转换器转换PDF到Excel是容易的,但你需要一个有效,并且能支持各种PDF各种版本功能强大PDF转换到Adobe Excel最佳解决方案. 迅捷PDF转换成Excel转换器[h ...
- 教你如何将PDF转换成其他格式!
在我们的日常工作和生活中,通过电脑处理相关工作的主要文件形式主要有Word.Excel.PPT.TXT.图片等形式,这几种文件格式基本可以满足我们日常工作需求.但是这几年开始,又有一种比较流行的文件格 ...
- pdf转换成excel转换器破解版下载
PDF作为便捷的文档格式,将传统文档的文本.格式.字体.颜色.分辨率等都所有信息封装在一个特殊整合文件中,功能上大大超越了现有的各种流行文本格式,是新一代电子文本不可正义的文档模式,如此完美的文档格式 ...
- 比较好的pdf转换成txt转换器
比较好的pdf转换成txt转换器 随着PDF文件格式在网络上的流行,越来越多文学作品以及学术论文等信息都被设置成PDF文件格式.对于不少爱好阅读的网友来说,下载这部分的PDF资料进行参考学习是非常重要 ...
最新文章
- 英语发音规则---N字母
- 网站的线下活动如何组织
- Android开发究竟该如何学习,含泪整理面经
- TestNG和Maven配置指南
- select,epoll的比较
- win10 后台运行jar包_小编演示win10系统双击运行jar文件的教程
- [转][中文/英文]VC6 sp6补丁下载|VS6 sp6补丁下载 [防VC6卡死]
- 中国生物能源行业市场规模预测及未来战略规划建议报告2022-2028年
- 截图文字识别工具(OCR),图片上的文字也能轻松复制
- 查看服务器显卡GPU型号
- java的try后面跟括号
- 煤矿用计算机,煤矿安全生产中计算机的运用
- 基于java网盘搜索的设计与实现
- 微前端 Micro-Frontends - 概念
- 百万CT网上卖,东软医疗这样推动行业阳光采购
- 将Latex tex文档转换成 word文档(上)
- VS中MD和MT的区别
- Android中添加万普广告墙、推送广告等
- linux 查看软件安装时间,centos7 查看软件安装时间
- 【思特奇杯·云上蓝桥-算法集训营】第1周 猴子分香蕉 java