时间戳

首页 > 解决方案 > 使用 Python 从 pdf 中提取图像

python - 使用 Python 从 pdf 中提取图像

问题描述

我们如何从 PDF 中提取图像（仅图像）。

我使用了很多在线工具，它们都不是通用的。在大多数 PDF 中，它使用整个图像的屏幕截图而不是图像。PDF链接-> sg.inflibnet.ac.in:8080/jspui/bitstream/10603/121661/9/09_chapter 4.pdf

标签： pythonimagepdfadobejpeg

解决方案

这是一些使用 pyPdf 读取 PDF 文件、提取图像并将它们生成为PIL.Image. 您需要根据需要对其进行修改，这里只是为了演示如何遍历对象树。

import io
import pyPdf
import PIL.Image

infile_name = 'my.pdf'

with open(infile_name, 'rb') as in_f:
    in_pdf = pyPdf.PdfFileReader(in_f)
    for page_no in range(in_pdf.getNumPages()):
        page = in_pdf.getPage(page_no)

        # Images are part of a page's `/Resources/XObject`
        r = page['/Resources']
        if '/XObject' not in r:
            continue
        for k, v in r['/XObject'].items():
            vobj = v.getObject()
            # We are only interested in images...
            if vobj['/Subtype'] != '/Image' or '/Filter' not in vobj:
                continue
            if vobj['/Filter'] == '/FlateDecode':
                # A raw bitmap
                buf = vobj.getData()
                # Notice that we need metadata from the object
                # so we can make sense of the image data
                size = tuple(map(int, (vobj['/Width'], vobj['/Height'])))
                img = PIL.Image.frombytes('RGB', size, buf,
                                          decoder_name='raw')
                # Obviously we can't really yield here, do something with `img`...
                yield img
            elif vobj['/Filter'] == '/DCTDecode':
                # A compressed image
                img = PIL.Image.open(io.BytesIO(vobj._data))
                yield img

推荐阅读