近期有一些工作上的事情需要对pdf进行一些的操作，所以结下来稍微总结一下吧：

写在前面：

需要对PyPDF2，PyMuPDF库安装

直接pip就好：

pip install PyPDF2

pip install PyMuPDF

Pdf操作相关代码实现：

1.使用PyMuPDF从PDF中提取图像

2.#将单个pdf文件每一页拆分出来,得到多个pdf

3.在pdf中查找包含某个文本的页面

4. 将pdf转化为一页页的pdf

5.将某一批文件由word格式转化为pdf格式

1.使用PyMuPDF从PDF中提取图像

import fitz

pdf_document = fitz.open("C题copy.pdf")

for current_page in range(len(pdf_document)):

for image in pdf_document.getPageImageList(current_page):

xref = image[0]

pix = fitz.Pixmap(pdf_document,xref)

if pix.n < 5:

pix.writePNG("page%s-%s.png" % (current_page , xref)

)

else:

pix1 = fitz.Pixmap(fitz.csRGB , pix)

pix1.writePNG("page%s-%s.png" %(current_page , xref))

pix1 = None

pix = None

#在200页PDF上运行这个Python脚本，它在不到2秒的时间内提取了198个图像，这是惊人的。 各个图像以PNG格式存储。 为了保持原始图像格式和大小，而不是转换为PNG，请查看PyMuPDF wiki中脚本的扩展版本。

2.#将单个pdf文件每一页拆分出来,得到多个pdf

from PyPDF2 import PdfFileReader , PdfFileWriter

pdf_documnet = "C题copy.pdf"

pdf = PdfFileReader(pdf_documnet)

for page in range(pdf.getNumPages()):

pdf_writer = PdfFileWriter()

current_page = pdf.getPage(page)

pdf_writer.addPage(current_page)

outputFilename = "{}-page-{}.pdf".format(pdf_documnet,page + 1)

with open(outputFilename , "wb") as out:

pdf_writer.write(out)

print("create" , outputFilename)

3.在pdf中查找包含某个文本的页面

#查找包含文本的所有页面

import fitz

filename = "C题copy.pdf"

search_term = "连续"

pdf_document = fitz.open(filename)

for current_page in range(len(pdf_document)):

page = pdf_document.loadPage(current_page)

if page.searchFor(search_term):

print("%s found on page %i" % (search_term , current_page))

4. 将pdf转化为一页页的pdf

import fitz

PDF_path = r'C题copy.pdf'#fielpath

imgs_save_path = "pdf_picture/"

def PDF_to_imgs(PDF_path, save_path):

# 打开PDF文件，生成一个对象

doc = fitz.open(PDF_path)

# 将PDF文件的每一页都转化为图片

for pg in range(doc.pageCount):

page = doc[pg]

rotate = int(0)

# 每个尺寸的缩放系数为2，这将为我们生成分辨率提高4倍的图像。

zoom_x = 2

zoom_y = 2

trans = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)

pm = page.getPixmap(matrix=trans, alpha=False)

pm.writePNG(save_path + '%s.png' % pg)

PDF_to_imgs(PDF_path, imgs_save_path)

5.将某一批文件由word格式转化为pdf格式

import os

#!pip install win32com

from win32com import client

def doc2pdf(doc_name, pdf_name):

"""

:word文件转pdf

:param doc_name word文件名称

:param pdf_name 转换后pdf文件名称

"""

try:

word = client.DispatchEx("Word.Application")

if os.path.exists(pdf_name):

os.remove(pdf_name)

worddoc = word.Documents.Open(doc_name,ReadOnly = 1)

worddoc.SaveAs(pdf_name, FileFormat = 17)

worddoc.Close()

return pdf_name

except:

return 1

if __name__=='__main__':

picture_path = r"C:\Users\Administrator\Desktop\2015" #想要转化的图片文件夹的路径

list_img_test = os.listdir(picture_path)

list_one = [] #用于保存转化后的每一个latex代码

for i in list_img_test:

file_path = os.path.join(picture_path , i)

doc_name = file_path

ftp_name = file_path+".pdf"

doc2pdf(doc_name, ftp_name)

print("ok!")

说明：这里的 win32com库对于win，直接在cmd中用pip Install win32com下载就好，然而在mac上却不能用真是头疼，得想个解决方案！有想法的朋友欢迎在评论区留言！