PDF转Images

背景

最近在做图片相关的项目，有个需求要求同时支持PDF和图片，那么很直观的思路的把PDF文档转换为 List<image> 来适配统一的处理策略。
所以本教程是介绍如何使用 Python 语言将 PDF 文档转换为 List<image>。

环境以及依赖package

NStudyPy==0.0.5 NStudyPy 工具包 , 一个有用的工具包，可以简化开发流程，详细介绍可以参考 NStudyPy
由于NStudyPy依赖于pdf2image <=1.17.0，pdf2image又依赖 poppler, poppler安装请参考 poppler
本教程使用 python 3.10.13 作为开发环境 , 原则上适用于 python 3.9+
本教程开发环境为 windows 10 ，原则上其他系统应该也可以 , 但请注意需要安装对应环境的 poppler, 同时需注意配置 环境变量, 环境变量配置请参阅本站其他文档

！！本站支持全文搜索。

主要流程

1. 创建项目,安装依赖

pip install NStudyPy==0.0.5

2. 调用方法

def test_pdf():
    for image in PyPDF.convert_images(r'1.pdf', ImageFormat.PIL):
        if isinstance(image, Image):
            print(image.format, image.mode)
        else:
            print(image.shape)

说明

• pdf_path: pdf文件路径
• image_format: 图片格式, 默认为 ImageFormat.OPENCV , 同时支持返回 ImageFormat.PIL格式

3. 核心源码

def convert_images(pdf_path: str, image_format: ImageFormat = ImageFormat.OPENCV) -> List[object]:
    """
    Convert pdf to images
    :param image_format: ImageFormat
    :param pdf_path:
    :return: List[Image.Image] or List[cv2.typing.MatLike]
    """
    images = convert_from_path(pdf_path)
    if image_format == ImageFormat.OPENCV:
        new_images = []
        for image in images:
            opencv_image = np.array(image)
            if opencv_image.shape[2] == 3:
                opencv_image = cv2.cvtColor(opencv_image, cv2.COLOR_RGB2BGR)
            new_images.append(opencv_image)
        return new_images
    return images