У коді python, як ефективно зберегти певну сторінку в pdf як jpeg-файл? (Варіант використання: я маю веб-сервер колби python, куди будуть завантажені pdf-файли, а jpeg-s, що відповідають кожній сторінці, зберігаються.)
Це рішення близьке, але проблема в тому, що воно не перетворює всю сторінку у jpeg.
Відповіді:
Можна використовувати бібліотеку pdf2image.
Ви можете встановити його, просто використовуючи,
pip install pdf2imageПісля встановлення ви можете використовувати наступний код для отримання зображень.
from pdf2image import convert_from_path
pages = convert_from_path('pdf_file', 500)Збереження сторінок у форматі jpeg
for page in pages:
page.save('out.jpg', 'JPEG')Редагувати: Github repo pdf2image також згадує про те, що воно використовує pdftoppmта що вимагає інших установок:
pdftoppm - це програмне забезпечення, яке робить справжню магію. Він поширюється як частина більшого пакета, який називається poppler . Користувачам Windows доведеться встановити poppler для Windows . Користувачам Mac доведеться встановити poppler для Mac . Користувачам Linux буде попередньо встановлено pdftoppm з дистрибутивом (протестовано на Ubuntu та Archlinux), якщо це не так, запустіть
sudo apt install poppler-utils.
Ви можете встановити останню версію під Windows за допомогою anaconda, виконавши:
conda install -c conda-forge popplerПримітка: Версії Windows до 0.67 доступні за адресою http://blog.alivate.com.au/poppler-windows/, але зверніть увагу, що 0.68 вийшов у серпні 2018 року, тому ви не будете отримувати найновіші функції та виправлення помилок.
Я знайшов це просте рішення, PyMuPDF , вихід у файл png. Зверніть увагу, що бібліотека імпортується як "fitz", історична назва механізму візуалізації, який вона використовує.
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)Бібліотека Python pdf2image(використана в іншій відповіді) насправді робить не набагато більше, ніж просто запускати за pdttoppm допомогою subprocess.Popen, тому ось коротка версія, яка робить це безпосередньо:
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))Ось посилання для встановлення Windows для pdftoppm(що міститься в пакеті з іменем poppler): http://blog.alivate.com.au/poppler-windows/
Немає необхідності встановлювати Poppler у вашій ОС. Це буде працювати:
pip встановити Wand
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)@gaurwraith, встановіть poppler для Windows і використовуйте pdftoppm.exe наступним чином:
Завантажте zip-файл із останніми двійковими файлами / dll Poppler з http://blog.alivate.com.au/poppler-windows/ та розпакуйте в нову папку у папці програмних файлів. Наприклад: "C: \ Program Files (x86) \ Poppler".
Додайте "C: \ Program Files (x86) \ Poppler \ poppler-0.68.0 \ bin" до змінної середовища SYSTEM PATH.
З рядка cmd встановіть pdf2image модуль -> "pip install pdf2image".
@vishvAs vAsuki, цей код повинен генерувати jpgs, які ви хочете, через модуль підпроцесу для всіх сторінок одного або декількох pdfs у даній папці:
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))Або за допомогою модуля pdf2image:
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")Їх утиліта називається pdftojpg, яку можна використовувати для перетворення pdf в img
Ви можете знайти код тут 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)GhostScript працює набагато швидше, ніж Poppler, для системи на базі Linux.
Нижче наведено код для перетворення PDF у зображення.
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 можна встановити на macOS за допомогою brew install ghostscript
Інформацію про встановлення інших платформ можна знайти тут . Якщо він ще не встановлений у вашій системі.
Я використовую (можливо) набагато простіший варіант pdf2image:
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
doneЦе невелика частина сценарію bash у циклі для використання вузького пристрою для лиття. Кожні 5 секунд перевіряє додані файли PDF (усі) та обробляє їх. Це для демонстраційного пристрою, в кінці конвертація буде виконана на віддаленому сервері. Перетворення на .PNG зараз, але .JPG теж можливо.
Це перетворення, разом із переходами у форматі А4, відображенням відео, двома плавними текстами, що прокручуються, та логотипом (з переходом у трьох версіях) встановлює Pi3 на 4х 100% завантаження процесора ;-)
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')Ось рішення, яке не вимагає додаткових бібліотек і є дуже швидким. Це було знайдено з: https://nedbatchelder.com/blog/200712/extracting_jpgs_from_pdfs.html# Я додав код у функцію, щоб зробити її зручнішою.
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 newfileВиклик перетворення з використанням шляху pdf як аргументу, і функція створить файл .jpg у тому ж каталозі