20多行 Python 代码优雅搞定 PDF 转换成图片
20多行 Python 代码优雅搞定 PDF 转换成图片
昱良
发布于 2019-06-19 17:01:12
发布于 2019-06-19 17:01:12
源 / 程序员大咖
本文利用 PyPDF包来处理 PDF文件，为了方便快捷，我这里直接将一个页面转换成图片，就不需要去识别页面中的每一个 PDF元素了，这是没必要的。
转换
核心代码很简单，就是将 PDF文件读取出来，转换成 PdfFileReader，然后就可以根据 PyPDF2的API去获得每一个页面的二进制数据，拿到二进制数据过后，就能很方便的进行图片处理了，这里用 wand包来进行图片处理。
1# -*- coding: utf-8 -*-
2
3import io
4from wand.image import Image
5from wand.color import Color
6from PyPDF2 import PdfFileReader, PdfFileWriter
7memo = {}
8'''
9需要注意的是一般PDF文件较大，如果一次性转换
10整个PDF文件需要小心内存溢出的问题，我们这里
11将第一次载入的整个PDF文件保存到内存，避免每
12次读取的时候都重新载入。
13'''
14def getPdfReader(filename):
15 reader = memo.get(filename, None)
16 if reader is None:
17 reader = PdfFileReader(filename, strict=False)
18 memo[filename] = reader
19 return reader
20
21def _run_convert(filename, page, res=120):
22 idx = page + 1
23 pdfile = getPdfReader(filename)
24 pageObj = pdfile.getPage(page)
25 dst_pdf = PdfFileWriter()
26 dst_pdf.addPage(pageObj)
27 pdf_bytes = io.BytesIO()
28 dst_pdf.write(pdf_bytes)
29 pdf_bytes.seek(0)
30 img = Image(file=pdf_bytes, resolution=res)
31 img.format = png
32 img.compression_quality = 90
33 img.background_color = Color("white")
34 img_path = %s%d.png % (filename[:filename.rindex( . )], idx)
35 img.save(filename=img_path)
36 img.destroy()批量处理
上面已经完成了一个 PDF页面的转换，要完成整个文件的转换就很简单了，只需要拿到文件的总页码，然后循环执行就行。考虑到转换比较耗时，可以使用异步处理的方式加快速度。比如可以使用 celery来搭配处理，一定注意小心内存泄露。
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2019-06-13，如有侵权请联系 cloudcommunity@tencent.com 删除
本文分享自 机器学习算法与Python学习 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体分享计划 ，欢迎热爱写作的你一起参与！
评论
登录后参与评论
推荐阅读