在Python中，可以从PDF文件中提取图片，这通常涉及解析PDF文件并提取其中嵌入的图像资源。PDF文件格式支持多种内容嵌入，包括文本和图像，因此需要专门的库来处理这些内容。 一种常见的方法是使用 `PyMuPDF`（也称为 `fitz`）库，它是一个功能强大的PDF操作库，可以读取PDF文件并提取其中的图像[^1]。以下是提取图像的基本步骤： 1. 打开PDF文件。 2. 遍历每一页。 3. 提取页面中的图像。 4. 将图像保存到指定路径。 ### 示例代码 以下是一个使用 `PyMuPDF` 提取PDF中图片的示例代码： ```python import fitz # PyMuPDF import os def extract_images_from_pdf(pdf_path, output_folder): # 打开PDF文件 doc = fitz.open(pdf_path) # 遍历每一页 for page_num in range(len(doc)): page = doc.load_page(page_num) # 加载页面 image_list = page.get_images(full=True) # 获取页面中的所有图像 print(f"Page {page_num + 1} has {len(image_list)} images.") # 遍历所有图像并提取 for img_index, img in enumerate(image_list): xref = img[0] # 图像的XREF base_image = doc.extract_image(xref) # 提取图像 image_bytes = base_image["image"] # 图像的二进制数据 image_ext = base_image["ext"] # 图像的扩展名 # 保存图像到指定路径 image_filename = os.path.join(output_folder, f"page_{page_num + 1}_img_{img_index + 1}.{image_ext}") with open(image_filename, "wb") as image_file: image_file.write(image_bytes) doc.close() # 示例调用 pdf_path = "example.pdf" # 替换为你的PDF文件路径 output_folder = "extracted_images" # 输出文件夹 os.makedirs(output_folder, exist_ok=True) # 创建输出文件夹 extract_images_from_pdf(pdf_path, output_folder) ``` ### 代码说明 - **`fitz.open(pdf_path)`**：打开指定路径的PDF文件。 - **`doc.load_page(page_num)`**：加载PDF中的指定页面。 - **`page.get_images(full=True)`**：获取页面中的所有图像列表，`full=True` 表示返回完整的图像信息。 - **`doc.extract_image(xref)`**：根据图像的XREF提取图像数据。 - **保存图像**：将提取的图像数据写入指定的文件路径。 ### 注意事项 1. **安装依赖**：需要安装 `PyMuPDF` 库，可以通过以下命令安装： ```bash pip install pymupdf ``` 2. **图像格式**：提取的图像可能包括多种格式（如JPEG、PNG等），代码会根据实际格式保存。 3. **性能**：对于大文件或包含大量图像的PDF，处理时间可能会较长。 ### 其他方法 除了 `PyMuPDF`，还可以使用其他库，例如 `pdfplumber` 或 `PyPDF2`，但它们在图像提取方面的支持不如 `PyMuPDF` 强大。 ---