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?
解决方案
推荐阅读
- python-3.x - 告诉 flake8 忽略连续的几行
- firebase - 使用 Firebase 和 OneSignal 发送推送通知
- angular - ngFor 中的 let 和 const 修饰符行为细节
- java - QuotedPrintableCodec 不起作用
- javascript - 如何在使用 ng-test 进行单元测试期间检查是否从未调用 fdescribe() 和 fit()?
- javascript - 如何使 div 文本逐行显示,而不是一次全部显示?
- uml - UML 状态机:深度历史伪状态和最终状态
- python-3.x - tkinter 将所有其他窗口底部的窗口设置为桌面小部件
- javascript - 在 MongoDB 和 Mongoose 中使用嵌套数组
- ios - 将两个文本字段的值相加等于标签总和的最简单方法是什么