【办公自动化】用Python将PDF文件转存为图片（文末送书）

🤵‍♂️ 个人主页：@艾派森的个人主页

✍🏻作者简介：Python学习者
🐋 希望大家多多支持，我们一起进步！😄
如果文章对你有帮助的话，
欢迎评论 💬点赞👍🏻 收藏 📂加关注+

目录

一、Python处理PDF

二、用Python将PDF文件转存为图片

三、往期推荐

四、文末推荐与福利

一、Python处理PDF

  • Python处理PDF的好处

  1. 自动化和批量处理：使用Python，你可以自动处理大量的PDF文件，例如从扫描仪生成的文档、报告、合同等。这可以节省大量时间和努力，尤其是在需要重复性任务时。

  2. 文本提取：Python可以轻松地从PDF中提取文本内容，使其可搜索、可编辑和可分析。这对于文本分析、数据挖掘和文档检索等任务非常有用。

  3. 报告生成：你可以使用Python创建自定义的PDF报告，将数据、图表和图像等信息以专业的方式呈现。这对于生成自动化的业务报告、数据可视化和数据分析很有帮助。

  4. PDF编辑：Python库和工具使你能够合并、拆分、旋转、裁剪和编辑PDF文件的页面。这对于在不使用专业PDF编辑软件的情况下进行简单的文档编辑很有用。

  5. 图像提取：Python允许你从PDF文件中提取图像，这对于处理包含图形、图表和图片的文档非常有帮助。

  6. 数据提取：当PDF文件包含表格或结构化数据时，Python可以用于提取和转换这些数据，以便进一步分析或导入到数据库中。

  7. 自定义处理：Python提供了多种用于PDF处理的库，允许你根据项目的需求进行自定义处理。你可以选择适合你需求的库，以满足具体要求。

  8. 跨平台：Python是跨平台的，因此你可以在不同操作系统上运行相同的代码，而无需担心兼容性问题。

Python处理PDF文件的主要第三方库包括：

  1. PyPDF2：PyPDF2是一个用于处理PDF文件的库，可以用于提取文本、合并、拆分和旋转PDF文件的页面。它还支持添加页面、水印和书签等功能。

  2. ReportLab：ReportLab是一个用于创建PDF文件的库，允许你以编程方式构建PDF文档，包括添加文本、图像、表格等。

  3. PDFMiner：PDFMiner是一个用于提取文本和元数据的PDF处理库。它可以解析PDF文件并提取文本、布局信息和链接等。

  4. pdf2image：pdf2image是一个用于将PDF文件转换为图像的库，这对于处理包含图形的PDF文件非常有用。

  5. fpdf2：fpdf2是一个用于创建PDF文件的库，支持自定义字体、图像和表格等。

  6. PyMuPDF：PyMuPDF是一个用于处理PDF文件的库，可以用于提取文本、图像和元数据。它还支持PDF文件的渲染和转换为图像。

  7. Camelot：Camelot是一个用于提取表格数据的库，特别适用于从PDF文件中提取表格数据。

  8. Tabula-py：Tabula-py是一个用于提取表格数据的库，可将PDF中的表格转换为DataFrame对象。

  • 开发环境

操作系统：使用windows, mac都可以

Python版本：系统中需要安装Python3.6以上的版本，Python2已经过期不建议使用，Python3.6以前的版本功能相对弱，最好就是采用Python3.6以上的版本

开发工具：有两个可以选择，jupyter notebook，是个网页编辑器，可以运行Python，常常用于交互性、探索性的开发；pycharm，用于成熟脚本，或者web服务的一些开发；这两个工具可以随意选择。

二、用Python将PDF文件转存为图片

技术工具：

Python版本:3.9

代码编辑器：jupyter notebook

        因工作中的某些奇葩要求，需要将PDF文件的每页内容转存成按顺序编号的图片。用第三方软件或者在线转换也可以，但批量操作还是Python方便，所谓搞定办公自动化，Python出山，一统天下；Python出征，寸草不生~ O(∩_∩)O

        不过这个需要用到`PyMuPDF`库，电脑运行cmd，输入“pip install PyMuPDF”安装即可。安装后通过`import fitz`导入模块。等等，为什么安装的是`PyMuPDF`，导入的是`fitz`？俺`PyMuPDF`就是这么任性，怎么的，爱用不用！哈哈，开个玩笑。其实是因为`PyMuPDF`曾用名`fitz-python`，所以只是`fitz`换了个马甲而已。

        这里先导入`fitz`库，用于将PDF文件的页面提取成像素信息（图片）。再导入`glob`库，用于获取后缀为".pdf"的文件的文件名。`os`库可新建文件夹。

#批量将PDF文件转为图片
import fitz
import glob
import osimage_path = "图片\\" #存放图片的文件夹
PDFfiles = glob.glob("PDF文件\\*.pdf") #获取所有pdf文件的文件名
for PDFfile in PDFfiles: #遍历所有PDF文件PDFdoc = fitz.open(PDFfile) #读取PDF文件folder_name = PDFfile.split("\\")[-1].split(".")[0] #按源文件名新建文件夹for pg in range(PDFdoc.pageCount): #根据PDF的页数,按页提取图片        page = PDFdoc[pg]#增强图片分辨率zoom_x = 3 #水平方向zoom_y = 3 #垂直方向mat = fitz.Matrix(zoom_x, zoom_y) pix = page.getPixmap(matrix=mat)  #按原PDF名称新建文件夹并按顺序保存图片if not os.path.exists(image_path+folder_name):#判断文件夹是否已存在os.makedirs(image_path+folder_name)#不存在则新建，存在就跳过这行pix.writeImage(image_path+folder_name + "\\{}.png".format(str(pg+1))) #按PDF中的页面顺序命名并保存图片

        以上，我们先将所有待处理的PDF文件放入“PDF文件夹”，然后通过`glob.glob("PDF文件\\*.pdf")`搜索并抓取所有以".pdf"为后缀的文件，并存入变量`PDFfiles`中。结果如下所示：

PDFfiles

        然后，遍历`PDFfiles`中的所有PDF文件，使用`fitz.open()`读取。`fitz.open()`用于创建PDF文件中页面的像素映射(pixel maps)，即用像素来表示页面信息。然后按PDF文件名命名一个新的文件夹，以便储存图片。比如给“收货记录.pdf”文件建一个名字为“收货记录”的文件夹，专门储存关于它的页面的图片。随后用`for`循环，根据PDF的页数，按页提取图片。将每页的信息存入`page`变量，它的type 是`fitz.fitz.Page`，即一页像素文件。

        为了让图片看起来更清晰，需要增强图片的分辨率，设定图片水平及垂直方向的增强倍数，传入`Matrix`。`Matrix`用于提升即将保存的图片的分辨率，分辨率的提升倍数为`zoom_x`与`zoom_y`的乘积。倍数越大，图片越清晰，当然占用空间也越大。这个参数可根据实际要求调整。然后将`Matrix`存入`mat`，传入`getPixmap()`。`getPixmap()`用于控制图片分辨率、色域（比如生成灰度图像或带有减色方案的图像）、透明度、旋转、镜像、移位、剪切等。由于其它都不需要专门设定，所以只增强其分辨率。 

        一页图片处理好后，就需要保存图片了。先通过`os.path.exists`判断一下需要的文件夹是否存在，若不存在就通过`os.makedirs`创建。然后用`pix.writeImage`按页码编号写入并保存图片。

 

 三、往期推荐

Python提取pdf中的表格数据（附实战案例）

使用Python自动发送邮件

Python操作ppt和pdf基础

Python操作word基础

Python操作excel基础

使用Python一键提取PDF中的表格到Excel

 使用Python批量生成PPT版荣誉证书

使用Python批量处理Excel文件并转为csv文件

四、文末推荐与福利

《巧用ChatGPT轻松玩转新媒体运营》免费包邮送出3本！

内容简介：   

       《巧用ChatGPT轻松玩转新媒体运营》从ChatGPT的基础知识讲起，针对运营工作中的各种痛点，结合实战案例，如文案写作、图片制作、社交媒体运营、爆款视频文案、私域推广、广告策划、电商平台高效运营等，手把手教你使用ChatGPT进行智能化工作。此外，还介绍了通过ChatGPT配合Midjourney、D-ID等AI软件的使用，进一步帮助提高运营工作的效率。
        《巧用ChatGPT轻松玩转新媒体运营》内容通俗易懂，案例丰富，实用性较强，特别适合想要掌握ChatGPT对话能力的读者和各行各业的运营人员，如互联网运营人员、自媒体运营人员、广告营销人员、电商运营人员等。 另外，《巧用ChatGPT轻松玩转新媒体运营》也适合作为相关培训机构的教材使用。

编辑推荐：

        AI赋能运营全流程实操：文案写作 图片制作 社交媒体运营 爆款视频文案 私域推广 广告策划 电商平台高效运营。AI运营技巧大全 痛点解析，全面提高效率，让你弯道超车、轻松攀登运营之巅。

  • 抽奖方式：评论区随机抽取3位小伙伴免费送出！
  • 参与方式：关注博主、点赞、收藏、评论区评论“人生苦短，拒绝内卷！”（切记要点赞+收藏，否则抽奖无效，每个人最多评论三次！）
  • 活动截止时间：2023-09-30 20:00:00

  • 京东购买链接：https://item.jd.com/14141370.html

  • 当当网购买链接：http://product.dangdang.com/29623612.html

 名单公布时间：2023-09-30 21:00:00  

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/142727.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

【嵌入式】使用嵌入式芯片唯一ID进行程序加密实现

【嵌入式】使用嵌入式芯片唯一ID进行程序加密实现

目录 一 背景说明 二 原理介绍 三 设计实现 四 参考资料 一 背景说明 项目程序需要进行加密处理。 考虑利用嵌入式芯片的唯一UID，结合Flash读写来实现。 加密后的程序，可以使得从芯片Flash中读取出来的文件（一般为HEX格式）不能…
阅读更多...
rsync+inotify实时同步数据

rsync+inotify实时同步数据

一、相关简介 1、rsync（remote synchronize） rsync是 Liunx/Unix 下的一个远程数据同步工具，它可通过 LAN/WAN 快速同步多台主机间的文件和目录。 　　Linux 之间同步文件一般有两种方式，分别是 rsync 与 scp ，scp 相…
阅读更多...
前端性能优化汇总

前端性能优化汇总

1.减少HTTP请求次数和请求的大小 （三大类） 文件的合并和压缩：（1）（6） 延迟加载：（3）（4） 用新的文件格式代替传统文件格式：&a…
阅读更多...
基于LQR算法的一阶倒立摆控制

基于LQR算法的一阶倒立摆控制

1. 一阶倒立摆建模 2. 数学模型 倒立摆的受力分析网上有很多，这里就不再叙述。直接放线性化后的方程： F (Mm)x″-mLφ″ (ImL)φ″ mLx″ mgLφ（F为外力，x为物块位移，M，m为物块和摆杆的质量，…
阅读更多...
抽象轻松java

抽象轻松java

嗨嗨嗨！ 没想到吧，出现了抽象轻松第4种语言系列（我也没想到） 简单的java程序，看完就懂的简单逻辑——购物车系统 购物车，首先要有商品吧，现实中的商品有什么属性？ 名字&#xff0…
阅读更多...
CSS详细基础（一）选择器基础

CSS详细基础（一）选择器基础

本帖开始，我们来介绍CSS——即，层叠样式表~ 层叠样式表是一种用来表现HTML（标准通用标记语言的一个应用）或XML（标准通用标记语言的一个子集）等文件样式的计算机语言。简单的说，层叠就是对一个元…
阅读更多...
PostgreSQL 查询某个属性相同内容出现的次数

PostgreSQL 查询某个属性相同内容出现的次数

查询某个数据库表属性 name 相同内容出现出现的次数，并按次数从大到小排序 SELECT name, COUNT(*) AS count FROM your_table GROUP BY name ORDER BY count DESC;示例 select project_id, COUNT(*) AS count from app_ads_positions group by project_id order b…
阅读更多...
认证-authentication 和授权-authorization

认证-authentication 和授权-authorization

就好比你可以刷卡进去xxx大厦（认证是本公司职员），但无法刷卡进入金融部门，或 实验部门（因为没有授权）
阅读更多...
vite跨域proxy设置与开发、生产环境的接口配置，接口在生产环境下，还能使用proxy代理地址吗

vite跨域proxy设置与开发、生产环境的接口配置，接口在生产环境下，还能使用proxy代理地址吗

文章目录 vite的proxy开发环境设置如果后端没有提供可以替换的/mis等可替换的后缀的处理办法接口如何区分.env.development开发和.env.production生产环境接口在生产环境下，还能使用proxy代理地址吗？ vite的proxy开发环境设置 环境： vite 4…
阅读更多...
玩转Mysql系列 - 第22篇：mysql索引原理详解

玩转Mysql系列 - 第22篇：mysql索引原理详解

这是Mysql系列第22篇。 背景 使用mysql最多的就是查询，我们迫切的希望mysql能查询的更快一些，我们经常用到的查询有： 按照id查询唯一一条记录 按照某些个字段查询对应的记录 查找某个范围的所有记录（between and） …
阅读更多...
忽视日志吃大亏，手把手教你玩转 SpringBoot 日志

忽视日志吃大亏，手把手教你玩转 SpringBoot 日志

一、日志重要吗 程序中的日志重要吗？ 在回答这个问题前，笔者先说个事例： ❝ 笔者印象尤深的就是去年某个同事，收到了客户反馈的紧急bug。尽管申请到了日志文件，但因为很多关键步骤没有打印日志，导致排查进…
阅读更多...
win10 使用cmake + mingw编译LAPACK

win10 使用cmake + mingw编译LAPACK

参考官网的内容: 适用于视窗的 LAPACK (utk.edu) 第一步下载好源码包: 配置好mingw的路径添加到环境变量中 gcc --version 出现这些就行了. 还有就是吧mingw中的mingw-make.exe重命名为make.exe 下载安装cmake 然后打开 1是源码路径,路径中一定要有CMakeLists.txt如果没…
阅读更多...
Java多线程篇(6)——AQS之ReentrantLock

Java多线程篇(6)——AQS之ReentrantLock

文章目录 1、管程2、AQS3、ReentrantLock3.1、lock/unlock3.1.1、lock3.1.2、unlock 3.2、一些思考 1、管程 什么是管程？ 管理协调多个线程对共享资源的访问，是一种高级的同步机制。 有哪些管程模型？ hansen：唤醒其他线程的代码…
阅读更多...
渗透测试中的前端调试（一）

渗透测试中的前端调试（一）

前言 前端调试是安全测试的重要组成部分。它能够帮助我们掌握网页的运行原理，包括js脚本的逻辑、加解密的方法、网络请求的参数等。利用这些信息，我们就可以更准确地发现网站的漏洞，制定出有效的攻击策略。前端知识对于安全来说，…
阅读更多...
Pytorch单机多卡分布式训练

Pytorch单机多卡分布式训练

Pytorch单机多卡分布式训练 数据并行： DP和DDP 这两个都是pytorch下实现多GPU训练的库，DP是pytorch以前实现的库，现在官方更推荐使用DDP，即使是单机训练也比DP快。 DataParallel（DP） 只支持单进程多线程…
阅读更多...
3、嵌入式系统的启动过程（BoodLoader）

3、嵌入式系统的启动过程（BoodLoader）

1、系统启动过程 通电 - > 执行BootLoader - > 加载内核 - > 挂在根文件系统 - > 执行应用程序 Windows的启动过程： 通电 - > 执行BIOS - > 加载WinNT内核 - > 挂在文件系统 - > 执行应用程序 二、嵌入式系统的结构 BootLoader 1、BootL…
阅读更多...
ElasticSearch - 基于 DSL 、JavaRestClient 实现数据聚合

ElasticSearch - 基于 DSL 、JavaRestClient 实现数据聚合

目录 一、数据聚合 1.1、基本概念 1.1.1、聚合分类 1.1.2、特点 1.2、DSL 实现 Bucket 聚合 1.2.1、Bucket 聚合基础语法 1.2.2、Bucket 聚合结果排序 1.2.3、Bucket 聚合限定范围 1.3、DSL 实现 Metrics 聚合 1.4、基于 JavaRestClient 实现聚合 1.4.1、组装请求 1…
阅读更多...
Tomcat多实例、负载均衡、动静分离

Tomcat多实例、负载均衡、动静分离

Tomcat多实例部署 安装jdk [rootlocalhost ~]#systemctl stop firewalld.service [rootlocalhost ~]#setenforce 0 [rootlocalhost ~]#cd /opt [rootlocalhost opt]#ls apache-tomcat-8.5.16.tar.gz jdk-8u91-linux-x64.tar.gz rh [rootlocalhost opt]#tar xf jdk-8u91-linu…
阅读更多...
春招秋招，大学生求职容易遇到哪些问题？

春招秋招，大学生求职容易遇到哪些问题？

每到毕业季就有大批大学生从校园出来，他们怀抱梦想，希望能做出一番成绩。但现实总归是残酷的，有些人找不到工作，有一些人频繁跳槽，也有一些人最终找到的工作与自己的专业没有一点关系，迷茫好几年才找到方向…
阅读更多...
钡铼BL302与PLC：提升酿酒业效率与品质的利器

钡铼BL302与PLC：提升酿酒业效率与品质的利器

啤酒是人类非常古老的酒精饮料，是水和茶之后世界上消耗量排名第三的饮料。 啤酒在生产过程中主要有制造麦芽、粉碎原料、糖化、发酵、贮酒後熟、过滤、灌装包装等工序流程。需要用到风选机、筛分机、糖化锅、发酵设备、过滤机、灌装机、包装机等食品机械设备。这些食…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023