时间戳

首页 > 解决方案 > pdf矿工如何提取图像

python - pdf矿工如何提取图像

问题描述

我正在尝试使用从 PDF 文件中提取图像pdfminer.six

似乎没有任何关于如何使用 Python 执行此操作的文档。

这是我到目前为止所拥有的：

import os
import pdfminer

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage
from io import StringIO

os.chdir('C:\\Users\\zone_\\Desktop')
diretorio = os.getcwd()
file = str(diretorio) + '\\example.pdf'

def convert_pdf_to_txt(path):
    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    codec = 'utf-8'
    laparams = LAParams()
    device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams)
    fp = open(path, 'rb')
    interpreter = PDFPageInterpreter(rsrcmgr, device)
    password = ""
    maxpages = 0
    caching = True
    pagenos=set()

    for page in PDFPage.get_pages(fp, pagenos, maxpages=maxpages, password=password,caching=caching, check_extractable=True):
        interpreter.process_page(page)

    text = retstr.getvalue()

    fp.close()
    device.close()
    retstr.close()
    return text

这是提取文本，但如何检索 pdf 中的图像？

标签： pythonpdfpdfminer

解决方案

我从未使用过 pdfminer，但是我发现此代码和来自 Denis Papathanasiou 的文档对其进行了解释，这可能有助于弄清楚这一点，因为 pdfminer 的文档并不是很详尽。该文档来自一个过时的版本，但最近更新了代码。

如果您不需要使用 pdfminer，则有可能更容易的替代方法，例如此答案中的 PyMuPDF，它将 PDF 中的所有图像提取为 PNG。

推荐阅读