没什么用的代码-批量提取主目录下所有文件夹中pdf里面的图片

一、提前安装

pip install pymupdf

二、实现的功能：

• 读取一个文件夹及所有子文件夹中的pdf中的图片
• 判断图片存储条件
• 存储图片

三、代码

"""
批量提取pdf文件中的图片
@author: Administrator
"""

import fitz
import time
import re
import os
 
def pdf2pic(path, pic_path, filename):
    '''
    # 从pdf中提取图片
    :param path: pdf的路径
    :param pic_path: 图片保存的路径
    :return:
    '''
    t0 = time.perf_counter()
    # 使用正则表达式来查找图片
    checkXO = r"/Type(?= */XObject)" 
    checkIM = r"/Subtype(?= */Image)"  
    
    # 打开pdf
    doc = fitz.open(path)
    # 图片计数
    imgcount = 0
    lenXREF = doc.xref_length()
 
    # 打印PDF的信息
    print("文件名:{}, 页数: {}, 对象: {}".format(path, len(doc), lenXREF - 1))
    
        # 遍历每一个对象
    for i in range(1, lenXREF):
        # 定义对象字符串
        text = doc.xref_object(i)
        isXObject = re.search(checkXO, text)
        # 使用正则表达式查看是否是图片
        isImage = re.search(checkIM, text)
 
        # 如果不是对象也不是图片，则continue
        if not isXObject or not isImage:
            continue
        
        # 根据索引生成图像
        pix = fitz.Pixmap(doc, i)
        
        if pix.size < 1000000:
            continue

        # 根据pdf的路径生成图片的名称
        imgcount += 1
        new_name = "_img{}.png".format(imgcount)
        new_name = new_name.replace(':', '')
        new_name = filename[:-4] + new_name
        
        # os.mkdir(pic_path)
        
        # 如果pix.n<5,可以直接存为PNG
        if pix.n < 5:
            try:
                pix.save(os.path.join(pic_path, new_name))
                pix = None
            except:
                pix0 = fitz.Pixmap(fitz.csRGB, pix)
                pix0.save(os.path.join(pic_path, new_name))
                pix0 = None
                
    # 释放资源
    pix = None
    t1 = time.perf_counter()
    print("运行时间:{}s".format(t1 - t0))
    print("提取了{}张图片".format(imgcount))
   

if __name__=='__main__':
    
    path = r'C:\Users\Administrator\'# pdf存储目录
    pic_path = r'D:\image' # 图片存储目录

    filter = [".pdf"] #设置过滤后的文件类型 当然可以设置多个类型
    for maindir, subdir, file_name_list in os.walk(path):

        # print(maindir) #当前主目录
        # print(subdir) #当前主目录下的所有目录
        # print(file_name_list) #当前主目录下的所有文件

        for filename in file_name_list:
            apath = os.path.join(maindir, filename)#合并成一个完整路径
            
            portion = os.path.splitext(apath)
            ext = portion[1]  # 获取文件后缀 [0]获取的是除了文件名以外的内容
            
            if ext in filter:     
                m = pdf2pic(apath, pic_path, filename)

 参考

(80条消息) Python提取PDF中的图片_Jayce~的博客-CSDN博客_python提取pdf中的图片https://blog.csdn.net/qq_15969343/article/details/81673302(80条消息) Python 循环所有文件夹(含子文件夹)，读取指定格式文件，另存为其他格式文件..._weixin_30527143的博客-CSDN博客https://blog.csdn.net/weixin_30527143/article/details/98938297