发 帖  
[资料] 利用Python将PDF转化为图片的方法
2018-7-11 17:37:48  380 Python pdf
收藏 2 收藏 推荐 0 推荐
分享
python的功能真是强大,可以做词云图、可以优雅地八卦、可以做游戏外挂、还可以将PDF转化成图片,这个功能你还不知道吧,赶紧随小编我一起来看看吧:
之前收集了很多优秀的 PDF文档,但是需要看的时候不是很方便,需要去找到这个文件,如果是在手机上的话往往还需要下载 PDF相关的插件才行,而且最大的问题是不便于资料的整理和分享。如果能够将 PDF转换成网页,岂不是就能解决这些问题了?还能直接分享出去。
这里利用 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. import io
  3. from wand.image import Image
  4. from wand.color import Color
  5. from PyPDF2 import PdfFileReader, PdfFileWriter
  6. memo = {}
  7. def getPdfReader(filename):
  8. reader = memo.get(filename, None)
  9. if reader is None:
  10. reader = PdfFileReader(filename, strict=False)
  11. memo[filename] = reader
  12. return reader
  13. def _run_convert(filename, page, res=120):
  14. idx = page + 1
  15. pdfile = getPdfReader(filename)
  16. pageObj = pdfile.getPage(page)
  17. dst_pdf = PdfFileWriter()
  18. dst_pdf.addPage(pageObj)
  19. pdf_bytes = io.BytesIO()
  20. dst_pdf.write(pdf_bytes)
  21. pdf_bytes.seek(0)
  22. img = Image(file=pdf_bytes, resolution=res)
  23. img.format = 'png'
  24. img.compression_quality = 90
  25. img.background_color = Color("white")
  26. img_path = '%s%d.png' % (filename[:filename.rindex('.')], idx)
  27. img.save(filename=img_path)
  28. img.destroy()
复制代码

需要注意的是一般PDF文件较大,如果一次性转换整个PDF文件需要小心内存溢出的问题,我们这里将第一次载入的整个PDF文件保存到内存,避免每次读取的时候都重新载入。
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。
核心代码已经整理放到github上去了,好了,等有时间的时候准备做一个公共的PDF转成 H5的服务,开放给大众使用。
2018-7-11 17:37:48   评论
1 个讨论
学习了
2018-7-11 21:08:11 评论

举报

高级模式
您需要登录后才可以回帖 登录 | 注册

发表新帖
关闭

站长推荐 上一条 /9 下一条

快速回复 返回顶部 返回列表