【需求】:继上篇文章我们利用 python 的三方工具库 pdfplumber 批量提取 pdf 的表格数据之后,不少小伙伴提出:大多数pdf都为图片,如何批量提取出图片。今天我们就来用 python 来解决这个问题。
一、实现效果图
二、基于 fitz 库和正则搜索提取图片
fitz 库是 pymupdf 中的一个模块,用它来提取 pdf 里的图片非常方便。
安装命令
三、代码实现
1、导入相关包
2、读取 pdf 提取图片,并存储
3、运行结果
四、小结
python 中 pdf2image 库也可以完成以上需求,它的好处是如果你的 pdf 页面较多时,pdf2image 可以启动多线程会大大加快转换速度。
官方文档:https://www.cnpython.com/pypi/pdf2image
最后很多伙伴可能会遇到提取的图片比原本少,或者提取出的不想要的图片。可以通过检查图片格式,可能不是常见的格式,提取时再减少或添加过滤条件尝试一下。