使用python将PDF批量转换图片的几种方法

[更新]

日期：2021-12-29 21:33:02

分类：Python 编程

日常工作中，使用python可以快速将PDF转换成图片，掌握了这个通过python快速转换PDF为图片的方法能在很高程度上提高工作效率。魔比之城与大家一起看一下怎样通过python快速转换PDF成图片。

方法1：PyMuPDF（成功）

①、安装PyMuPDF：

模块地址：

pip install PyMuPDF

②、转换图片代码：

import datetime
import os

import fitz  # fitz就是pip install PyMuPDF


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__":
    # 1、PDF地址
    pdfPath = 'demo1.pdf'
    # 2、需要储存图片的目录
    imagePath = './imgs'
    pyMuPDF_fitz(pdfPath, imagePath)

使用时，只需要更改PDF地址和储存图片地址即可。

方法2：pdf2image(未成功)

①、安装pdf2image

模块地址：

pip install pdf2image

②、安装Poppler：

Windows下载地址：

如果下载慢，可以下载我云盘中的：
下载地址: 密码:e17b

在这里插入图片描述

在这里插入图片描述
解压之后放到自己的软件盘，然后把bin目录添加到系统环境变量。然后重启电脑。

如果不重启，转换时会报错：pdf2image.exceptions.PDFInfoNotInstalledError: Unable to get page count. Is poppler installed and in PATH?。

但是我的重启之后还有有问题，不知道为什么，只能回家用家里电脑测试一下了，不知道是不是Windows弄不了。

我只是用了模块官方几句代码：就一直报错：

from pdf2image import convert_from_path, convert_from_bytes

from pdf2image.exceptions import (
    PDFInfoNotInstalledError,
    PDFPageCountError,
    PDFSyntaxError
)

images = convert_from_path('demo1.pdf')

报错内容：

Exception in thread Thread-1:
Traceback (most recent call last):
  File "D:\tools\Python3.6\lib\threading.py", line 916, in _bootstrap_inner
    self.run()
  File "D:\tools\Python3.6\lib\threading.py", line 864, in run
    self._target(*self._args, **self._kwargs)
  File "D:\tools\Python3.6\lib\subprocess.py", line 1084, in _readerthread
    buffer.append(fh.read())
  File "D:\tools\Python3.6\lib\codecs.py", line 322, in decode
    (result, consumed) = self._buffer_decode(data, self.errors, final)
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd6 in position 119: invalid continuation byte

Traceback (most recent call last):
  File "D:\tools\Python3.6\lib\site-packages\pdf2image\pdf2image.py", line 420, in pdfinfo_from_path
    raise ValueError
ValueError

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "D:/zjf_workspace/000、爬虫代码-基础的/scrapy_100_工具/8、图片处理/6、pdf转换成图片/7、pdf2image模块.py", line 9, in <module>
    images = convert_from_path('demo1.pdf')
  File "D:\tools\Python3.6\lib\site-packages\pdf2image\pdf2image.py", line 90, in convert_from_path
    page_count = pdfinfo_from_path(pdf_path, userpw, poppler_path=poppler_path)["Pages"]
  File "D:\tools\Python3.6\lib\site-packages\pdf2image\pdf2image.py", line 430, in pdfinfo_from_path
    "Unable to get page count.\n%s" % err.decode("utf8", "ignore")
AttributeError: 'str' object has no attribute 'decode'

弄了快一天了，没有弄出来这个问题，我找到好多相似的博客，但是都不能运行，而且人家好想都没有出现这个问题，不知道我这里咋会这样，就先放这吧，后续如果解决再来补充。

方法3、wind（已经成功）

这个我昨天试了很久，一直报错，今天看到一个文章，赶紧是却少一个软件Ghostscript，但是下载又好慢呀，不知道什么鬼。
好像有个这个软件Ghostscript：

Ghostscript 下载地址

打算按着这个文章，再次测试：

可以用第三方库wand实，需要安装wand 、imagemagick和ghostscript。作者都成功了，那我就再试试吧。

①、安装wind

模块地址

pip install Wand

②、安装imagemagick

下载地址：

安装过程注意勾选Install development headers and libraries for C and C++ 。安装后设置MAGICK_HOME环境变量，值为imagemagick的安装路径，并将安装路径加入path。

详情可参照此页面网页链接。

③、安装ghostscript

我做天一直尝试，就是保错：

报错内容

Traceback (most recent call last):
  File "D:/zjf_workspace/000、爬虫代码-基础的/scrapy_100_工具/8、图片处理/6、pdf转换成图片/1、wand.py", line 7, in <module>
    image_pdf = Image(filename='demo1.pdf')
  File "D:\tools\Python3.6\lib\site-packages\wand\image.py", line 8230, in __init__
    units=units)
  File "D:\tools\Python3.6\lib\site-packages\wand\image.py", line 8710, in read
    self.raise_exception()
  File "D:\tools\Python3.6\lib\site-packages\wand\resource.py", line 243, in raise_exception
    raise e
wand.exceptions.DelegateError: FailedToExecuteCommand `"gswin32c.exe" -q -dQUIET -dSAFER -dBATCH -dNOPAUSE -dNOPROMPT -dMaxBitmap=500000000 -dAlignToPixels=0 -dGridFitTT=2 "-sDEVICE=pngalpha" -dTextAlphaBits=4 -dGraphicsAlphaBits=4 "-r72x72"  "-sOutputFile=C:/Users/WB-ZJF~1/AppData/Local/Temp/magick-5508WXCmlxua21eN%d" "-fC:/Users/WB-ZJF~1/AppData/Local/Temp/magick-5508Te_4KPmLv3_D" "-fC:/Users/WB-ZJF~1/AppData/Local/Temp/magick-5508byOzda8sSbWf"' (ϵͳ�Ҳ���ָ�����ļ���
) @ error/delegate.c/ExternalDelegateCommand/459

感觉就是跟这个有关吧，但是下载又下载不动，估计也是只能明天测试了，如果有Windows做成小伙伴欢迎赐教，我也只能回家再下载测试了，公司电脑不知道为什么下载不动。

我下载好的ghostscript

如果你看到这里了，可以下载我下载好的：
我这个关于PDF转图片的所有软件都放到这里了，需要可以下载，比网上和度盘都下载快。

ghostscript的文件名称：gs950w64.exe

软件下载地址: 密码:duym

④、代码：

这个是我找到之后修改的，但是报错问题还没有解决，只能后续解决补充了。先用第一个方法用着吧。
上面几个下载好就可以直接使用我这个代码了，这个代码是我成功测试之后的，修改PDF地址和图片储存地址即可。

# coding:utf-8
from wand.image import Image


def wind_imagemagick_ghostscript(pdf_path, imgs_dir):
    # 将pdf文件转为jpg图片文件
    # ./PDF_FILE_NAME 为pdf文件路径和名称
    # image_pdf = Image(filename='./demo1.pdf', resolution=300)
    image_pdf = Image(filename=pdf_path)
    image_jpeg = image_pdf.convert('jpeg')

    # wand已经将PDF中所有的独立页面都转成了独立的二进制图像对象。我们可以遍历这个大对象，并把它们加入到req_image序列中去。
    req_image = []
    for img in image_jpeg.sequence:
        img_page = Image(image=img)
        req_image.append(img_page.make_blob('jpeg'))

    # 遍历req_image,保存为图片文件
    i = 0
    for img in req_image:
        ff = open(imgs_dir + '\\' + str(i) + '.jpeg', 'wb')
        ff.write(img)
        ff.close()
        i += 1


if __name__ == '__main__':
    pdf_path = r"demo1.pdf"
    imgs_dir = r"imgs"
    wind_imagemagick_ghostscript(pdf_path, imgs_dir)

方法4、imagemagick+ghostscript（已经成功）

这个还是我看到一篇博客：
之后，然后第三个方法也成功了，然后测试这个也成功了，具体步骤：
这些软件可以直接去我的云盘下载，如果失效自己就官网下载吧：

软件集合下载地址: 密码:duym

①、安装imagemagick

下载地址：

安装过程注意勾选Install development headers and libraries for C and C++ 。安装后设置MAGICK_HOME环境变量，值为imagemagick的安装路径，并将安装路径加入path。

详情可参照此页面网页链接。
建议优先去我网盘下载（如果还有效）。
在这里插入图片描述

②、安装ghostscript

官网下载地址：

如果你也是Windows64位，去我云盘下载：

在这里插入图片描述

③、cmd命令转换：

一个命令转换：

magick .\demo1.pdf .\111\demo.jpg

查看执行命令和效果：
在这里插入图片描述

111目录下面的图片：（可以看出，自动从刚刚输入的jpg前面自动demo后面加上递增后缀，这个可以PDF的页面顺序下标对应）

在这里插入图片描述

④、一般只是转换一俩个上一步就行了，如果数量过多，可以用python写个脚本。

import os



def os_magick(pdf_path,img_dir,file_name):
    os.system(r'magick  {} {}/{}.jpg'.format(pdf_path,img_dir,file_name))


if __name__ == '__main__':

    pdf_path = r"demo1.pdf"
    img_dir = r'imgs3'
    # 图片名字的前缀
    file_name = 'demo'
    os_magick(pdf_path,img_dir,file_name)

注意点：

pdf_path 和img_dir 必须填写绝对路径地址（我这里我前面地址删除了，看懂就好）文件名的前缀可以自己定义如果数量过多，并且需要储存的文件夹不同，可以自动创建目录，不过最后出入函数的还是绝对路径。

我的这个生成效果：

在这里插入图片描述

以上为使用python将pdf转换为图片的几种方法。

参考：https://blog.csdn.net/weixin_42081389/article/details/103712181