python 将PDF 转成图片的几种方法

朱雀 2023-06-25 05:00 596阅读 0赞

### 文章目录 ###

*  一、说明
 *  二、PDF转图片
 *   *  方法1：PyMuPDF（成功）
     *   *  ①、安装PyMuPDF：
         *  ②、转换图片代码：
     *  方法2：pdf2image(未成功)
     *   *  ①、安装pdf2image
         *  ②、安装Poppler：
     *  方法3、wind（已经成功）
     *   *  ①、安装wind
         *  ②、安装imagemagick
         *  ③、安装ghostscript
         *   *  我下载好的ghostscript
         *  ④、代码：
     *  方法4、imagemagick+ghostscript（已经成功）
     *   *  ①、安装imagemagick
         *  ②、安装ghostscript
         *  ③、cmd命令转换：
         *  ④、一般只是转换一俩个上一步就行了，如果数量过多，可以用python写个脚本。
 *  参考：

# 一、说明 #

昨天突然想着把PDF转成图片，昨天尝试了许久，没有成功，然后就很纳闷，图片合成PDF就可以，应该转成图片也可以吧，然后网上各种找解决这个问题的方法。  
如果需要图片合成PDF的，可以参考一下我之前的一个博客：  
[使用img2pdf 模块将目录下图片合并成pdf][img2pdf _pdf]

# 二、PDF转图片 #

## 方法1：PyMuPDF（成功） ##

### ①、安装PyMuPDF： ###

[模块地址：][Link 1]

pip install PyMuPDF

### ②、转换图片代码： ###

import datetime
    import os
    
    import fitz  # fitz就是pip install PyMuPDF
    
    
    def pyMuPDF_fitz(pdfPath, imagePath):
        startTime_pdf2img = datetime.datetime.now()  # 开始时间
    
        print("imagePath=" + imagePath)
        pdfDoc = fitz.open(pdfPath)
        for pg in range(pdfDoc.pageCount):
            page = pdfDoc[pg]
            rotate = int(0)
            # 每个尺寸的缩放系数为1.3，这将为我们生成分辨率提高2.6的图像。
            # 此处若是不做设置，默认图片大小为：792X612, dpi=96
            zoom_x = 1.33333333  # (1.33333333-->1056x816) (2-->1584x1224)
            zoom_y = 1.33333333
            mat = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)
            pix = page.getPixmap(matrix=mat, alpha=False)
    
            if not os.path.exists(imagePath):  # 判断存放图片的文件夹是否存在
                os.makedirs(imagePath)  # 若图片文件夹不存在就创建
    
            pix.writePNG(imagePath + '/' + 'images_%s.png' % pg)  # 将图片写入指定的文件夹内
    
        endTime_pdf2img = datetime.datetime.now()  # 结束时间
        print('pdf2img时间=', (endTime_pdf2img - startTime_pdf2img).seconds)
    
    
    if __name__ == "__main__":
        # 1、PDF地址
        pdfPath = 'demo1.pdf'
        # 2、需要储存图片的目录
        imagePath = './imgs'
        pyMuPDF_fitz(pdfPath, imagePath)

使用时，只需要更改PDF地址和储存图片地址即可。

## 方法2：pdf2image(未成功) ##

### ①、安装pdf2image ###

[模块地址：][Link 2]

pip install pdf2image

### ②、安装Poppler： ###

[Windows下载地址：][Windows]

如果下载慢，可以下载我云盘中的：  
[下载地址:][Link 3] 密码:e17b

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ_size_16_color_FFFFFF_t_70]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ_size_16_color_FFFFFF_t_70 1]  
解压之后放到自己的软件盘，然后把bin目录添加到系统环境变量。然后重启电脑。

如果不重启，转换时会报错：`pdf2image.exceptions.PDFInfoNotInstalledError: Unable to get page count. Is poppler installed and in PATH?`。

但是我的重启之后还有有问题，不知道为什么，只能回家用家里电脑测试一下了，不知道是不是Windows弄不了。

我只是用了模块官方几句代码：就一直报错：

from pdf2image import convert_from_path, convert_from_bytes
    
    from pdf2image.exceptions import (
        PDFInfoNotInstalledError,
        PDFPageCountError,
        PDFSyntaxError
    )
    
    images = convert_from_path('demo1.pdf')

报错内容：

Exception in thread Thread-1:
    Traceback (most recent call last):
      File "D:\tools\Python3.6\lib\threading.py", line 916, in _bootstrap_inner
        self.run()
      File "D:\tools\Python3.6\lib\threading.py", line 864, in run
        self._target(*self._args, **self._kwargs)
      File "D:\tools\Python3.6\lib\subprocess.py", line 1084, in _readerthread
        buffer.append(fh.read())
      File "D:\tools\Python3.6\lib\codecs.py", line 322, in decode
        (result, consumed) = self._buffer_decode(data, self.errors, final)
    UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd6 in position 119: invalid continuation byte Traceback (most recent call last): File "D:\tools\Python3.6\lib\site-packages\pdf2image\pdf2image.py", line 420, in pdfinfo_from_path raise ValueError ValueError During handling of the above exception, another exception occurred: Traceback (most recent call last): File "D:/zjf_workspace/000、爬虫代码-基础的/scrapy_100_工具/8、图片处理/6、pdf转换成图片/7、pdf2image模块.py", line 9, in <module> images = convert_from_path('demo1.pdf') File "D:\tools\Python3.6\lib\site-packages\pdf2image\pdf2image.py", line 90, in convert_from_path page_count = pdfinfo_from_path(pdf_path, userpw, poppler_path=poppler_path)["Pages"] File "D:\tools\Python3.6\lib\site-packages\pdf2image\pdf2image.py", line 430, in pdfinfo_from_path "Unable to get page count.\n%s" % err.decode("utf8", "ignore") AttributeError: 'str' object has no attribute 'decode'

弄了快一天了，没有弄出来这个问题，我找到好多相似的博客，但是都不能运行，而且人家好想都没有出现这个问题，不知道我这里咋会这样，就先放这吧，后续如果解决再来补充。

## 方法3、wind（已经成功） ##

这个我昨天试了很久，一直报错，今天看到一个文章，赶紧是却少一个软件Ghostscript，但是下载又好慢呀，不知道什么鬼。  
好像有个这个软件Ghostscript：

[Ghostscript 下载地址][Ghostscript]

打算按着[这个文章][Link 4]，再次测试：

可以用第三方库wand实，需要安装wand 、imagemagick和ghostscript。作者都成功了，那我就再试试吧。

### ①、安装wind ###

[模块地址][Link 5]

pip install Wand

### ②、安装imagemagick ###

[下载地址：][Link 6]

安装过程注意勾选Install development headers and libraries for C and C++ 。安装后设置MAGICK\_HOME环境变量，值为imagemagick的安装路径，并将安装路径加入path。

详情可参照此[页面网页链接。][Link 7]

### ③、安装ghostscript ###

我做天一直尝试，就是保错：

报错内容

Traceback (most recent call last):
      File "D:/zjf_workspace/000、爬虫代码-基础的/scrapy_100_工具/8、图片处理/6、pdf转换成图片/1、wand.py", line 7, in <module>
        image_pdf = Image(filename='demo1.pdf')
      File "D:\tools\Python3.6\lib\site-packages\wand\image.py", line 8230, in __init__
        units=units)
      File "D:\tools\Python3.6\lib\site-packages\wand\image.py", line 8710, in read
        self.raise_exception()
      File "D:\tools\Python3.6\lib\site-packages\wand\resource.py", line 243, in raise_exception
        raise e
    wand.exceptions.DelegateError: FailedToExecuteCommand `"gswin32c.exe" -q -dQUIET -dSAFER -dBATCH -dNOPAUSE -dNOPROMPT -dMaxBitmap=500000000 -dAlignToPixels=0 -dGridFitTT=2 "-sDEVICE=pngalpha" -dTextAlphaBits=4 -dGraphicsAlphaBits=4 "-r72x72"  "-sOutputFile=C:/Users/WB-ZJF~1/AppData/Local/Temp/magick-5508WXCmlxua21eN%d" "-fC:/Users/WB-ZJF~1/AppData/Local/Temp/magick-5508Te_4KPmLv3_D" "-fC:/Users/WB-ZJF~1/AppData/Local/Temp/magick-5508byOzda8sSbWf"' (ϵͳ�Ҳ���ָ�����ļ���
    ) @ error/delegate.c/ExternalDelegateCommand/459

感觉就是跟这个有关吧，但是下载又下载不动，估计也是只能明天测试了，如果有Windows做成小伙伴欢迎赐教，我也只能回家再下载测试了，公司电脑不知道为什么下载不动。

#### 我下载好的ghostscript ####

如果你看到这里了，可以下载我下载好的：  
我这个关于PDF转图片的所有软件都放到这里了，需要可以下载，比网上和度盘都下载快。

ghostscript的文件名称：`gs950w64.exe`

[软件下载地址:][Link 8] 密码:duym

### ④、代码： ###

这个是我找到之后修改的，但是报错问题还没有解决，只能后续解决补充了。先用第一个方法用着吧。  
上面几个下载好就可以直接使用我这个代码了，这个代码是我成功测试之后的，修改PDF地址和图片储存地址即可。

# coding:utf-8
    from wand.image import Image
    
    
    def wind_imagemagick_ghostscript(pdf_path, imgs_dir):
        # 将pdf文件转为jpg图片文件
        # ./PDF_FILE_NAME 为pdf文件路径和名称
        # image_pdf = Image(filename='./demo1.pdf', resolution=300)
        image_pdf = Image(filename=pdf_path)
        image_jpeg = image_pdf.convert('jpeg')
    
        # wand已经将PDF中所有的独立页面都转成了独立的二进制图像对象。我们可以遍历这个大对象，并把它们加入到req_image序列中去。
        req_image = []
        for img in image_jpeg.sequence:
            img_page = Image(image=img)
            req_image.append(img_page.make_blob('jpeg'))
    
        # 遍历req_image,保存为图片文件
        i = 0
        for img in req_image:
            ff = open(imgs_dir + '\\' + str(i) + '.jpeg', 'wb')
            ff.write(img)
            ff.close()
            i += 1
    
    
    if __name__ == '__main__':
        pdf_path = r"demo1.pdf"
        imgs_dir = r"imgs"
        wind_imagemagick_ghostscript(pdf_path, imgs_dir)

## 方法4、imagemagick+ghostscript（已经成功） ##

这个还是我看到一[篇博客：][Link 9]  
之后，然后第三个方法也成功了，然后测试这个也成功了，具体步骤：  
这些软件可以直接去我的云盘下载，如果失效自己就官网下载吧：

[软件集合下载地址:][Link 8] 密码:duym

### ①、安装imagemagick ###

[下载地址：][Link 6]

安装过程注意勾选Install development headers and libraries for C and C++ 。安装后设置MAGICK\_HOME环境变量，值为imagemagick的安装路径，并将安装路径加入path。

详情可参照此[页面网页链接。][Link 7]  
建议优先去我网盘下载（如果还有效）。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ_size_16_color_FFFFFF_t_70 2]

### ②、安装ghostscript ###

[官网下载地址：][Link 10]

如果你也是Windows64位，去我云盘下载：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ_size_16_color_FFFFFF_t_70 3]

### ③、cmd命令转换： ###

一个命令转换：

magick .\demo1.pdf .\111\demo.jpg

查看执行命令和效果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ_size_16_color_FFFFFF_t_70 4]

111目录下面的图片：（可以看出，自动从刚刚输入的jpg前面自动demo后面加上递增后缀，这个可以PDF的页面顺序下标对应）

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ_size_16_color_FFFFFF_t_70 5]

### ④、一般只是转换一俩个上一步就行了，如果数量过多，可以用python写个脚本。 ###

import os
    
    
    
    def os_magick(pdf_path,img_dir,file_name):
        os.system(r'magick {} {}/{}.jpg'.format(pdf_path,img_dir,file_name))
    
    
    if __name__ == '__main__':
    
        pdf_path = r"demo1.pdf"
        img_dir = r'imgs3'
        # 图片名字的前缀
        file_name = 'demo'
        os_magick(pdf_path,img_dir,file_name)

注意点：

1.  pdf\_path 和img\_dir 必须填写绝对路径地址（我这里我前面地址删除了，看懂就好）
2.  文件名的前缀可以自己定义
3.  如果数量过多，并且需要储存的文件夹不同，可以自动创建目录，不过最后出入函数的还是绝对路径。

我的这个生成效果：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ_size_16_color_FFFFFF_t_70 6]

# 参考： #

https://github.com/Belval/pdf2image  
ttp://blog.alivate.com.au/poppler-windows/  
https://imagemagick.org/script/download.php\#windows  
http://docs.wand-py.org/en/0.4.4/guide/install.html\#install-imagemagick-windows  
https://ghostscript.com/download/gsdnld.html  
https://www.jianshu.com/p/f57cc64b9f5e  
https://www.twblogs.net/a/5d483d89bd9eee541c30323b  
http://blog.sciencenet.cn/blog-597740-1136907.html  
https://www.jb51.net/article/160622.htm  
https://www.ancii.com/an676u83y/  
https://blog.csdn.net/qq\_24127015/article/details/85111371

[img2pdf _pdf]: https://blog.csdn.net/weixin_42081389/article/details/100734926
[Link 1]: https://pypi.org/project/PyMuPDF/
[Link 2]: https://pypi.org/project/pdf2image/
[Windows]: http://blog.alivate.com.au/poppler-windows/
[Link 3]: https://www.lanzous.com/i89zueb
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191226114208427.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/2019122612244692.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ==,size_16,color_FFFFFF,t_70
[Ghostscript]: https://ghostscript.com/download/gsdnld.html
[Link 4]: http://blog.sciencenet.cn/blog-597740-1136907.html
[Link 5]: https://pypi.org/project/Wand/
[Link 6]: https://imagemagick.org/script/download.php#windows
[Link 7]: http://docs.wand-py.org/en/0.4.4/guide/install.html#install-imagemagick-windows
[Link 8]: https://www.lanzous.com/b00t70w5e
[Link 9]: https://blog.csdn.net/qq_24127015/article/details/85111371
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20191226164958949.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ==,size_16,color_FFFFFF,t_70
[Link 10]: https://www.ghostscript.com/download/gsdnld.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20191226165112697.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20191226165459218.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20191226165509967.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20191226170808912.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjA4MTM4OQ==,size_16,color_FFFFFF,t_70