Python：PDF文件转图像

什么是PyMuPDF？

Python环境下想要将PDF文件转图像，可以使用PyMuPDF库。

PyMuPDF是MuPDF的Python绑定-“轻量级PDF和XPS查看器”。

MuPDF可以访问PDF，XPS，OpenXPS，CBZ（漫画书档案），FB2和EPUB（电子书）格式的文件，也可以是扩展名为.pdf，.xps，.oxps，.cbz，.fb2 或.epub的文件（因此您可以使用Python开发电子书查看器……），因此它不仅仅可以解析PDF文件。

支持的操作系统是哪些？

PyMuPDF可以在Mac，Linux，Windows XP SP2及更高版本上运行，Python 2.7到Python 3.7（请注意，Python仅支持v3.4以下的Windows XP），32位和64位版本上运行并经过测试。

只要MuPDF和Python支持它们，其他平台也应该可以正常工作。

支持的操作系统还是很广泛的。

如何安装PyMuPDF？

PyMuPDF托管在Github和PyPi上，因此我们可以很方便的安装。

pip install pymupdf

具体安装方法参考：

Installation — PyMuPDF 1.19.1 documentationhttps://pymupdf.readthedocs.io/en/latest/installation.html

PyMuPDF的前世今生

该库的标准Python import语句是import fitz。

这有历史原因：

MuPDF的原始渲染库称为Libart。

“在Artifex Software收购MuPDF项目之后，开发重点转移到编写名为* Fitz的新现代图形库。Fitz最初是作为一个研发项目来替代老化的Ghostscript图形库，但后来成为支持MuPDF的渲染引擎。” *（引自Wikipedia）。

转换图片代码

"""
****************************************************************************************************
@版权声明: Copyright (c) 2012-2021 LiuBing. All rights reserved.
@许可版本: Corporation & Enterprise
@创建时间: 2021-11-18
@创建作者: 370711753
@文件名称: pdf2image.py
@文件功能: PDF文件转图像.
@软件版本: V1.0.1
****************************************************************************************************
"""####################################################################################################
# Linux/OS X 系统下声明这是一个 Python 可执行程序; Windows 系统会忽略这个注释.
# !/usr/bin/env python
# 指定 Python 解释器按照 UTF-8 编码读取源代码, 否则源代码中的中文输出时可能会乱码.
# -*- coding: utf-8 -*-####################################################################################################
# 【系统模块】
# 加入“绝对引入”新特性:
# 这样就可用import string引入系统标准string.py, 而用from pkg import string来引入当前目录下的string.py.
from __future__ import absolute_import, division, print_function, unicode_literals
# 导入 os 库: 用于读取文件和目录结构.
import os
# 导入 sys 库: 包含与 Python 解释器和它的环境有关的函数.
import sys
# 导入 time 库: 用于获取时间信息.
import time
# 导入 fitz 库: PyMuPDF, 用于处理PDF.
import fitz####################################################################################################
# 单个PDF文件转图像
def lmc_pdffile2image(pdf_file, image_path, image_format):"""函数功能: 单个PDF文件转图像.pdf_file: 单个PDF文件名称.image_path: 图像保存路径.image_format: 图像格式."""# 开始时间time_start = time.time()# 检验PDF文件是否存在if not os.path.exists(pdf_file):print(f"PDF文件 {pdf_file} 不存在, 请您核查!")returnelse:print(f"PDF文件名称为: {pdf_file}")# 检验图像保存路径是否存在if not os.path.exists(image_path):print(f"图像保存路径 {image_path} 不存在, 自动创建!")os.makedirs(image_path)else:print(f"图像保存路径: {image_path}")# 检验文件名称是否合法if (image_format != "jpg") and (image_format != "bmp") and (image_format != "png") \and (image_format != "tif") and (image_format != "gif"):print(f"图像文件扩展名: {image_format} 不合法, 请您核查!")else:print(f"图像文件扩展名: {image_format}")# 打开PDF文件pdf_doc = fitz.open(pdf_file)# 遍历所有PDF页面for page_index in range(pdf_doc.pageCount):page = pdf_doc[page_index]rotate = int(0)# 默认页面转图片大小为: "letter": (612, 792), dpi=96# 页面缩放系数设为1.3, 这将生成分辨率提高2.6的图像.# (1.33333333-->816x1056)   (2-->1224x1584)zoom_x = 1.33333333zoom_y = 1.33333333# 页面缩放mat = fitz.Matrix(zoom_x, zoom_y).prerotate(rotate)# 转化成图像pix = page.get_pixmap(matrix=mat, alpha=False)# 保存图像pix.save(image_path + '/' + '图像_%08d' % page_index + '.' + image_format)print(f"第 {page_index} 页转换完毕...")# 结束时间time_end = time.time()print(f"PDF文件转图像完毕, 总计耗时: %.3f秒!" % (time_end - time_start))####################################################################################################
# 指定路径下所有PDF文件转图像
def lmc_pdfpath2image(pdf_path, image_format):"""函数功能: 指定路径下所有PDF文件转图像.pdf_path: PDF文件路径.image_format: 图像格式."""# 开始时间time_start = time.time()# 检验PDF文件路径是否存在if not os.path.exists(pdf_path):print(f"PDF文件路径 {pdf_path} 不存在, 请您核查!")returnelse:print(f"PDF文件路径为: {pdf_path}")# 检验文件名称是否合法if (image_format != "jpg") and (image_format != "bmp") and (image_format != "png") \and (image_format != "tif") and (image_format != "gif"):print(f"图像文件扩展名: {image_format} 不合法, 请您核查!")else:print(f"图像文件扩展名: {image_format}")# 过滤指定路径下 PDF 文件pdf_files = list(filter(file_filter, os.listdir(pdf_path)))for pdf_file in pdf_files:image_path = os.path.splitext(pdf_file)[0]# 检验图像保存路径是否存在if not os.path.exists(image_path):print(f"图像保存路径 {image_path} 不存在, 自动创建!")os.makedirs(image_path)else:print(f"图像保存路径: {image_path}")# 打开PDF文件pdf_doc = fitz.open(pdf_file)# 遍历所有PDF页面for page_index in range(pdf_doc.pageCount):page = pdf_doc[page_index]rotate = int(0)# 默认页面转图片大小为: "letter": (612, 792), dpi=96# 页面缩放系数设为1.3, 这将生成分辨率提高2.6的图像.# (1.33333333-->816x1056)   (2-->1224x1584)zoom_x = 1.33333333zoom_y = 1.33333333# 页面缩放mat = fitz.Matrix(zoom_x, zoom_y).prerotate(rotate)# 转化成图像pix = page.get_pixmap(matrix=mat, alpha=False)# 保存图像pix.save(image_path + '/' + '图像_%08d' % page_index + '.' + image_format)print(f"第 {page_index} 页转换完毕...")# 结束时间time_end = time.time()print(f"PDF文件转图像完毕, 总计耗时: %.3f秒!" % (time_end - time_start))# 过滤器
def file_filter(f):if f[-4:] in ['.pdf', '.pdf', '.pdf']:return Trueelse:return Falseif __name__ == "__main__":# 单个PDF文件转图像# lmc_pdffile2image('1.pdf', './image', 'png')# lmc_pdffile2image(sys.argv[1], sys.argv[2], sys.argv[3])# 指定路径下所有PDF文件转图像# lmc_pdfpath2image('./', 'png')lmc_pdfpath2image(sys.argv[1], sys.argv[2])