Trong mã python, làm cách nào để lưu hiệu quả một trang nhất định trong pdf dưới dạng tệp jpeg? (Trường hợp sử dụng: Tôi có một máy chủ web bình trăn, nơi pdf-s sẽ được tải lên và jpeg-s tương ứng với mỗi trang là các cửa hàng.)
Giải pháp này là gần đúng, nhưng vấn đề là nó không chuyển đổi toàn bộ trang thành jpeg.
Câu trả lời:
Thư viện pdf2image có thể được sử dụng.
Bạn có thể cài đặt nó một cách đơn giản bằng cách sử dụng,
pip install pdf2imageSau khi cài đặt, bạn có thể sử dụng mã sau để lấy hình ảnh.
from pdf2image import convert_from_path
pages = convert_from_path('pdf_file', 500)Lưu trang ở định dạng jpeg
for page in pages:
page.save('out.jpg', 'JPEG')Chỉnh sửa: pdf2image repo Github cũng đề cập rằng nó sử dụng pdftoppmvà nó yêu cầu các cài đặt khác:
pdftoppm là phần mềm thực hiện điều kỳ diệu. Nó được phân phối như một phần của gói lớn hơn được gọi là poppler . Người dùng Windows sẽ phải cài đặt poppler cho Windows . Người dùng Mac sẽ phải cài đặt poppler cho Mac . Người dùng Linux sẽ được cài đặt sẵn pdftoppm với bản phân phối (Đã thử nghiệm trên Ubuntu và Archlinux), nếu không, hãy chạy
sudo apt install poppler-utils.
Bạn có thể cài đặt phiên bản mới nhất trong Windows bằng anaconda bằng cách thực hiện:
conda install -c conda-forge popplerlưu ý: Phiên bản Windows tối đa 0.67 có sẵn tại http://blog.alivate.com.au/poppler-windows/ nhưng lưu ý rằng 0.68 đã được phát hành vào tháng 8 năm 2018 nên bạn sẽ không nhận được các tính năng hoặc bản sửa lỗi mới nhất.
Tôi tìm thấy giải pháp đơn giản này, PyMuPDF , xuất ra tệp png. Lưu ý rằng thư viện được nhập dưới dạng "fitz", một tên lịch sử cho công cụ kết xuất mà nó sử dụng.
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)Thư viện Python pdf2image(được sử dụng trong câu trả lời khác) trên thực tế không làm được gì nhiều hơn là chỉ khởi chạy pdttoppm với subprocess.Popen, vì vậy đây là một phiên bản ngắn thực hiện trực tiếp:
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))Đây là liên kết cài đặt Windows cho pdftoppm(có trong một gói có tên poppler): http://blog.alivate.com.au/poppler-windows/
Không cần cài đặt Poppler trên hệ điều hành của bạn. Điều này sẽ hoạt động:
pip cài đặt Wand
from wand.image import Image
f = "somefile.pdf"
with(Image(filename=f, resolution=120)) as source:
for i, image in enumerate(source.sequence):
newfilename = f[:-4] + str(i + 1) + '.jpeg'
Image(image).save(filename=newfilename)@gaurwraith, cài đặt poppler cho Windows và sử dụng pdftoppm.exe như sau:
Tải xuống tệp zip với tệp nhị phân / dlls mới nhất của Poppler từ http://blog.alivate.com.au/poppler-windows/ và giải nén vào một thư mục mới trong thư mục tệp chương trình của bạn. Ví dụ: "C: \ Program Files (x86) \ Poppler".
Thêm "C: \ Program Files (x86) \ Poppler \ poppler-0.68.0 \ bin" vào biến môi trường SYSTEM PATH của bạn.
Từ dòng cmd install pdf2image module -> "pip install pdf2image".
@vishvAs vAsuki, mã này sẽ tạo jpgs bạn muốn thông qua mô-đun quy trình con cho tất cả các trang của một hoặc nhiều pdf trong một thư mục nhất định:
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))Hoặc sử dụng mô-đun pdf2image:
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")Họ là một tiện ích có tên là pdftojpg có thể được sử dụng để chuyển đổi pdf sang img
Bạn có thể tìm thấy mã ở đây 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)GhostScript hoạt động nhanh hơn nhiều so với Poppler dành cho hệ thống dựa trên Linux.
Sau đây là mã để chuyển đổi pdf sang hình ảnh.
def get_image_page(pdf_file, out_file, page_num):
page = str(page_num + 1)
command = ["gs", "-q", "-dNOPAUSE", "-dBATCH", "-sDEVICE=png16m", "-r" + str(RESOLUTION), "-dPDFFitPage",
"-sOutputFile=" + out_file, "-dFirstPage=" + page, "-dLastPage=" + page,
pdf_file]
f_null = open(os.devnull, 'w')
subprocess.call(command, stdout=f_null, stderr=subprocess.STDOUT)GhostScript có thể được cài đặt trên macOS bằng brew install ghostscript
Thông tin cài đặt cho các nền tảng khác có thể được tìm thấy tại đây . Nếu nó chưa được cài đặt trên hệ thống của bạn.
Tôi sử dụng một (có thể) tùy chọn đơn giản hơn nhiều của pdf2image:
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
doneĐây là một phần nhỏ của tập lệnh bash trong một vòng lặp để sử dụng thiết bị truyền hẹp. Kiểm tra 5 giây một lần trên các tệp pdf đã thêm (tất cả) và xử lý chúng. Đây là thiết bị dùng thử, việc chuyển đổi cuối cùng sẽ được thực hiện tại một máy chủ từ xa. Hiện đang chuyển đổi thành .PNG nhưng .JPG cũng có thể thực hiện được.
Việc chuyển đổi này, cùng với quá trình chuyển đổi trên định dạng A4, hiển thị một video, hai văn bản cuộn mượt mà và một biểu trưng (với quá trình chuyển đổi trong ba phiên bản) đặt Pi3 ở mức tối đa 4x 100% tải cpu ;-)
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')Đây là một giải pháp không yêu cầu thư viện bổ sung và rất nhanh. Điều này được tìm thấy từ: https://nedbatchelder.com/blog/200712/extract_jpgs_from_pdfs.html# Tôi đã thêm mã vào một hàm để thuận tiện hơn.
def convert(filepath):
with open(filepath, "rb") as file:
pdf = file.read()
startmark = b"\xff\xd8"
startfix = 0
endmark = b"\xff\xd9"
endfix = 2
i = 0
njpg = 0
while True:
istream = pdf.find(b"stream", i)
if istream < 0:
break
istart = pdf.find(startmark, istream, istream + 20)
if istart < 0:
i = istream + 20
continue
iend = pdf.find(b"endstream", istart)
if iend < 0:
raise Exception("Didn't find end of stream!")
iend = pdf.find(endmark, iend - 20)
if iend < 0:
raise Exception("Didn't find end of JPG!")
istart += startfix
iend += endfix
jpg = pdf[istart:iend]
newfile = "{}jpg".format(filepath[:-3])
with open(newfile, "wb") as jpgfile:
jpgfile.write(jpg)
njpg += 1
i = iend
return newfileGọi convert với đường dẫn pdf làm đối số và hàm sẽ tạo tệp .jpg trong cùng thư mục