通过Python的fitz库提取pdf中的图片_fitz.open

使用Python的fitz库提取PDF中的图片时，需要遵循以下步骤：

1. 安装fitz库：使用pip命令安装fitz库，命令为pip install pymupdf。

2. 打开PDF文件：使用fitz库的open函数打开PDF文件，命令为doc = fitz.open(pdf_file_path)，其中pdf_file_path是PDF文件的路径。

3. 获取页面：使用doc的getPage函数获取页面，命令为page = doc.loadPage(page_num)，其中page_num是要获取的页面的页码。

4. 获取页面中的图像：使用page的getImageList函数获取页面中的所有图像，命令为image_list = page.getImageList()。

5. 保存图像：使用fitz库的Image函数保存图像，命令为image = fitz.Image(fitz.MemoryFile(page.getPixmap().getImageData()))，然后可以使用image的save函数保存图像，命令为image.save(image_file_path)，其中image_file_path是要保存的图像文件的路径。

完整代码如下所示：

import fitz

def extract_images(pdf_file_path):
    doc = fitz.open(pdf_file_path)

    for i in range(doc.page_count):
        page = doc.loadPage(i)
        image_list = page.getImageList()

        for image_index, img in enumerate(page.getImageList(), start=1):
            xref = img[0]
            pix = fitz.Pixmap(doc, xref)

            if pix.n >= 5:       # CMYK: convert to RGB first
                pix = fitz.Pixmap(fitz.csRGB, pix)
            image_path = f"{pdf_file_path}_page{i+1}_image{image_index}.png"
            pix.writePNG(image_path)
            pix = None

    doc.close()

pdf_file_path = "example.pdf"
extract_images(pdf_file_path)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

上述代码将提取PDF中的所有图像，并以PNG格式保存。其中，image_list是一个由元组组成的列表，每个元组表示一个图像信息，包括图像的XRef对象、图像的左下角和右上角坐标等信息。通过元组的第一个元素，可以获取图像的XRef对象，然后使用fitz库的Pixmap类获取图像的像素矩阵，并保存为PNG格式的图像文件。