python-从pdf提取页面作为jpeg

在python代码中，如何有效地将pdf中的某个页面另存为jpeg文件？ (用例：我有一个python flask网络服务器，将在其中上传pdf-s，并存储与每个页面相对应的jpeg-s。)

该解决方案已经结束，但是问题在于它无法将整个页面转换为jpeg。

8个解决方案

77 votes

可以使用pdf2image库。

您可以简单地使用安装它，

pip install pdf2image

安装完成后，您可以使用以下代码获取图像。

from pdf2image import convert_from_path

pages = convert_from_path('pdf_file', 500)

以jpeg格式保存页面

for page in pages:

page.save('out.jpg', 'JPEG')

编辑：Github仓库pdf2image也提到它使用了sudo apt install poppler-utils，并且它需要其他安装：

pdftoppm是执行实际操作的软件。 它作为更大的软件包poppler的一部分分发。   Windows用户必须为Windows安装poppler。   Mac用户必须为Mac安装poppler。   如果没有，Linux用户将在发行版中预装pdftoppm(已在Ubuntu和Archlinux上进行了测试)，运行sudo apt install poppler-utils。

这是适用于Windows的正确安装：[http://blog.alivate.com.au/poppler-windows/]

Keval Dave answered 2020-01-11T04:43:21Z

15 votes

实际上，Python库pdftoppm(在其他答案中使用)不仅仅具有使用subprocess.Popen启动pdttoppm的功能，因此，下面是直接执行此操作的简短版本：

PDFTOPPMPATH = r"D:\Documents\software\____PORTABLE\poppler-0.51\bin\pdftoppm.exe"

PDFFILE = "SKM_28718052212190.pdf"

import subprocess

subprocess.Popen('"%s" -png "%s" out' % (PDFTOPPMPATH, PDFFILE))

这是pdftoppm(包含在名为poppler的软件包中)的Windows安装链接：[http://blog.alivate.com.au/poppler-windows/]

Basj answered 2020-01-11T04:43:45Z

8 votes

无需在操作系统上安装Poppler。 这将起作用：

点安装魔杖

from wand.image import Image

f = "somefile.pdf"

with(Image(filename=f, resolution=120)) as source:

images = source.sequence

pages = len(images)

for i in range(pages):

n = i + 1

newfilename = f[:-4] + str(n) + '.jpeg'

Image(images[i]).save(filename=newfilename)

DevB2F answered 2020-01-11T04:44:10Z

5 votes

我找到了这个简单的解决方案PyMuPDF，输出到png文件

import fitz

pdffile = "infile.pdf"

doc = fitz.open(pdffile)

page = doc.loadPage(0) #number of page

pix = page.getPixmap()

output = "outfile.png"

pix.writePNG(output)

JJPty answered 2020-01-11T04:44:29Z

4 votes

@gaurwraith，为Windows安装poppler并使用pdftoppm.exe，如下所示：

从[http://blog.alivate.com.au/poppler-windows/]下载带有Poppler最新二进制文件/ dll的zip文件，然后解压缩到程序文件文件夹中的新文件夹。 例如：“ C：\ Program Files(x86)\ Poppler”。

将“ C：\ Program Files(x86)\ Poppler \ poppler-0.68.0 \ bin”添加到您的SYSTEM PATH环境变量。

从命令行安装pdf2image模块->“ pip install pdf2image”。

或者，如用户Basj所述，使用Python的子进程模块直接从代码中执行pdftoppm.exe。

@vishvAs vAsuki，此代码应通过子处理模块为给定文件夹中一个或多个pdf的所有页面生成所需的jpg：

import os, subprocess

pdf_dir = r"C:\yourPDFfolder"

os.chdir(pdf_dir)

pdftoppm_path = r"C:\Program Files (x86)\Poppler\poppler-0.68.0\bin\pdftoppm.exe"

for pdf_file in os.listdir(pdf_dir):

if pdf_file.endswith(".pdf"):

subprocess.Popen('"%s" -jpeg %s out' % (pdftoppm_path, pdf_file))

或使用pdf2image模块：

import os

from pdf2image import convert_from_path

pdf_dir = r"C:\yourPDFfolder"

os.chdir(pdf_dir)

for pdf_file in os.listdir(pdf_dir):

if pdf_file.endswith(".pdf"):

pages = convert_from_path(pdf_file, 300)

pdf_file = pdf_file[:-4]

for page in pages:

page.save("%s-page%d.jpg" % (pdf_file,pages.index(page)), "JPEG")

photek1944 answered 2020-01-11T04:45:16Z

0 votes

他们是一个名为pdftojpg的实用程序，可用于将pdf转换为img

您可以在这里找到代码[https://github.com/pankajr141/pdf2jpg]

from pdf2jpg import pdf2jpg

inputpath = r"D:\inputdir\pdf1.pdf"

outputpath = r"D:\outputdir"

# To convert single page

result = pdf2jpg.convert_pdf2jpg(inputpath, outputpath, pages="1")

print(result)

# To convert multiple pages

result = pdf2jpg.convert_pdf2jpg(inputpath, outputpath, pages="1,0,3")

print(result)

# to convert all pages

result = pdf2jpg.convert_pdf2jpg(inputpath, outputpath, pages="ALL")

print(result)

duck answered 2020-01-11T04:45:41Z

0 votes

我使用pdf2image的(也许)简单得多的选项：

cd $dir

for f in *.pdf

do

if [ -f "${f}" ]; then

n=$(echo "$f" | cut -f1 -d'.')

pdftoppm -scale-to 1440 -png $f $conv/$n

rm $f

mv $conv/*.png $dir

fi

done

这是循环中bash脚本的一小部分，用于使用狭窄的投射设备。每5秒钟检查一次添加的pdf文件(全部)并进行处理。这是针对演示设备的，最终转换将在远程服务器上完成。 现在可以转换为.PNG，但是.JPG也可以。

这种转换以及A4格式的过渡，显示视频，两个平滑滚动文本和一个徽标(具有三个版本的过渡)，将Pi3设置为最高4x 100％cpu-load ;-)

Robert answered 2020-01-11T04:46:10Z

0 votes

from pdf2image import convert_from_path

import glob

pdf_dir = glob.glob(r'G:\personal\pdf\*') #your pdf folder path

img_dir = "G:\\personal\\img\\" #your dest img path

for pdf_ in pdf_dir:

pages = convert_from_path(pdf_, 500)

for page in pages:

page.save(img_dir+pdf_.split("\\")[-1][:-3]+"jpg", 'JPEG')

Saiprasad Bhatwadekar answered 2020-01-11T04:46:26Z