问题：从pdf提取页面作为jpeg
在python代码中，如何有效地将pdf中的某个页面另存为jpeg文件？（用例：我有一个python flask网络服务器，将在其中上传pdf-s，并存储与每个页面相对应的jpeg-s。）
该解决方案已经结束，但是问题在于它不会将整个页面转换为jpeg。
回答 0
可以使用pdf2image库。
您可以使用以下方法简单地安装它：
pip install pdf2image安装后，您可以使用以下代码获取图像。
from pdf2image import convert_from_path
pages = convert_from_path('pdf_file', 500)以jpeg格式保存页面
for page in pages:
page.save('out.jpg', 'JPEG')编辑：Github repo pdf2image也提到它使用pdftoppm并且需要其他安装：
pdftoppm是执行实际操作的软件。它作为更大的软件包poppler的一部分分发。Windows用户必须为Windows安装poppler。Mac用户必须为Mac安装poppler。如果发行版未安装，则Linux用户将预先安装pdftoppm（已在Ubuntu和Archlinux上进行了测试），请运行
sudo apt install poppler-utils。
您可以通过以下步骤使用anaconda在Windows下安装最新版本：
conda install -c conda-forge poppler注意：http：//blog.alivate.com.au/poppler-windows/上提供的Windows版本最高为0.67，但请注意，0.68已于2018年8月发布，因此您将无法获得最新功能或错误修复。
回答 1
我发现这个简单的解决方案PyMuPDF可以输出到png文件。请注意，该库被导入为“ fitz”，这是它使用的渲染引擎的历史名称。
import fitz
pdffile = "infile.pdf"
doc = fitz.open(pdffile)
page = doc.loadPage(0) # number of page
pix = page.getPixmap()
output = "outfile.png"
pix.writePNG(output)回答 2
Python库pdf2image其实（在对方的回答中）没有做远不止推出 pdttoppm有subprocess.Popen，所以这里是一个短版，直接做：
PDFTOPPMPATH = r"D:\Documents\software\____PORTABLE\poppler-0.51\bin\pdftoppm.exe"
PDFFILE = "SKM_28718052212190.pdf"
import subprocess
subprocess.Popen('"%s" -png "%s" out' % (PDFTOPPMPATH, PDFFILE))这是Windows安装链接pdftoppm（包含在名为poppler的软件包中）：http : //blog.alivate.com.au/poppler-windows/
回答 3
无需在操作系统上安装Poppler。这将起作用：
点安装魔杖
from wand.image import Image
f = "somefile.pdf"
with(Image(filename=f, resolution=120)) as source:
for i, image in enumerate(source.sequence):
newfilename = f[:-4] + str(i + 1) + '.jpeg'
Image(image).save(filename=newfilename)回答 4
@gaurwraith，为Windows安装poppler并使用pdftoppm.exe，如下所示：
从http://blog.alivate.com.au/poppler-windows/下载带有Poppler最新二进制文件/ dll的zip文件，然后解压缩到程序文件文件夹中的新文件夹。例如：“ C：\ Program Files（x86）\ Poppler”。
将“ C：\ Program Files（x86）\ Poppler \ poppler-0.68.0 \ bin”添加到您的SYSTEM PATH环境变量。
从cmd行安装pdf2image模块->“ pip install pdf2image”。
- 或者，如用户Basj所述，使用Python的子进程模块直接从代码中执行pdftoppm.exe。
@vishvAs vAsuki，此代码应通过子处理模块为给定文件夹中一个或多个pdf的所有页面生成所需的jpg：
import os, subprocess
pdf_dir = r"C:\yourPDFfolder"
os.chdir(pdf_dir)
pdftoppm_path = r"C:\Program Files (x86)\Poppler\poppler-0.68.0\bin\pdftoppm.exe"
for pdf_file in os.listdir(pdf_dir):
if pdf_file.endswith(".pdf"):
subprocess.Popen('"%s" -jpeg %s out' % (pdftoppm_path, pdf_file))或使用pdf2image模块：
import os
from pdf2image import convert_from_path
pdf_dir = r"C:\yourPDFfolder"
os.chdir(pdf_dir)
for pdf_file in os.listdir(pdf_dir):
if pdf_file.endswith(".pdf"):
pages = convert_from_path(pdf_file, 300)
pdf_file = pdf_file[:-4]
for page in pages:
page.save("%s-page%d.jpg" % (pdf_file,pages.index(page)), "JPEG")回答 5
他们是一个名为pdftojpg的实用程序，可用于将pdf转换为img
您可以在这里找到代码https://github.com/pankajr141/pdf2jpg
from pdf2jpg import pdf2jpg
inputpath = r"D:\inputdir\pdf1.pdf"
outputpath = r"D:\outputdir"
# To convert single page
result = pdf2jpg.convert_pdf2jpg(inputpath, outputpath, pages="1")
print(result)
# To convert multiple pages
result = pdf2jpg.convert_pdf2jpg(inputpath, outputpath, pages="1,0,3")
print(result)
# to convert all pages
result = pdf2jpg.convert_pdf2jpg(inputpath, outputpath, pages="ALL")
print(result)回答 6
对于基于Linux的系统，GhostScript的执行速度比Poppler快得多。
以下是pdf到图像转换的代码。
def get_image_page(pdf_file, out_file, page_num):
page = str(page_num + 1)
command = ["gs", "-q", "-dNOPAUSE", "-dBATCH", "-sDEVICE=png16m", "-r" + str(RESOLUTION), "-dPDFFitPage",
"-sOutputFile=" + out_file, "-dFirstPage=" + page, "-dLastPage=" + page,
pdf_file]
f_null = open(os.devnull, 'w')
subprocess.call(command, stdout=f_null, stderr=subprocess.STDOUT)GhostScript可以使用以下命令安装在macOS上 brew install ghostscript
其他平台的安装信息可在此处找到。如果您的系统上尚未安装它。
回答 7
我使用pdf2image的（也许）简单得多的选项：
cd $dir
for f in *.pdf
do
if [ -f "${f}" ]; then
n=$(echo "$f" | cut -f1 -d'.')
pdftoppm -scale-to 1440 -png $f $conv/$n
rm $f
mv $conv/*.png $dir
fi
done这是循环中bash脚本的一小部分，用于使用狭窄的投射设备。每5秒钟检查一次添加的pdf文件（全部）并进行处理。这是针对演示设备的，最终转换将在远程服务器上完成。现在可以转换为.PNG，但是.JPG也可以。
这种转换以及A4格式的过渡，显示视频，两个平滑滚动文本和徽标（三个版本中有过渡），将Pi3设置为最高4x 100％cpu-load ;-)
回答 8
from pdf2image import convert_from_path
import glob
pdf_dir = glob.glob(r'G:\personal\pdf\*') #your pdf folder path
img_dir = "G:\\personal\\img\\" #your dest img path
for pdf_ in pdf_dir:
pages = convert_from_path(pdf_, 500)
for page in pages:
page.save(img_dir+pdf_.split("\\")[-1][:-3]+"jpg", 'JPEG')回答 9
这是一种不需要其他库且速度非常快的解决方案。可以从以下网址找到它：https : //nedbatchelder.com/blog/200712/extracting_jpgs_from_pdfs.html# 我已在函数中添加了代码以使其更加方便。
def convert(filepath):
with open(filepath, "rb") as file:
pdf = file.read()
startmark = b"\xff\xd8"
startfix = 0
endmark = b"\xff\xd9"
endfix = 2
i = 0
njpg = 0
while True:
istream = pdf.find(b"stream", i)
if istream < 0:
break
istart = pdf.find(startmark, istream, istream + 20)
if istart < 0:
i = istream + 20
continue
iend = pdf.find(b"endstream", istart)
if iend < 0:
raise Exception("Didn't find end of stream!")
iend = pdf.find(endmark, iend - 20)
if iend < 0:
raise Exception("Didn't find end of JPG!")
istart += startfix
iend += endfix
jpg = pdf[istart:iend]
newfile = "{}jpg".format(filepath[:-3])
with open(newfile, "wb") as jpgfile:
jpgfile.write(jpg)
njpg += 1
i = iend
return newfile以pdf路径作为参数调用convert，该函数将在同一目录中创建一个.jpg文件
