Extrahieren Sie eine Seite aus einem PDF als JPEG

Wie kann man im Python-Code eine bestimmte Seite in einem PDF effizient als JPEG-Datei speichern? (Anwendungsfall: Ich habe einen Python-Flask-Webserver, auf dem PDF-Dateien hochgeladen werden und JPEG-Dateien, die jeder Seite entsprechen, gespeichert werden.)

Diese Lösung ist nah, aber das Problem ist, dass nicht die gesamte Seite in JPEG konvertiert wird.

Die pdf2image-Bibliothek kann verwendet werden.

Sie können es einfach installieren mit,

pip install pdf2image

Nach der Installation können Sie den folgenden Code verwenden, um Bilder abzurufen.

from pdf2image import convert_from_path
pages = convert_from_path('pdf_file', 500)

Speichern von Seiten im JPEG-Format

for page in pages:
    page.save('out.jpg', 'JPEG')

Bearbeiten: Das Github-Repo pdf2image erwähnt auch, dass es verwendet pdftoppmund andere Installationen erfordert:

pdftoppm ist die Software, die die eigentliche Magie ausübt. Es wird als Teil eines größeren Pakets namens Poppler verteilt . Windows-Benutzer müssen Poppler für Windows installieren . Mac-Benutzer müssen Poppler für Mac installieren . Linux-Benutzer haben pdftoppm mit der Distribution vorinstalliert (getestet unter Ubuntu und Archlinux), wenn dies nicht der Fall ist sudo apt install poppler-utils.

Sie können die neueste Version unter Windows mit anaconda installieren, indem Sie Folgendes tun:

conda install -c conda-forge poppler

Hinweis: Windows-Versionen bis 0.67 sind unter http://blog.alivate.com.au/poppler-windows/ verfügbar. Beachten Sie jedoch, dass 0.68 im August 2018 veröffentlicht wurde, sodass Sie nicht die neuesten Funktionen oder Fehlerbehebungen erhalten.

Ich fand diese einfache Lösung, PyMuPDF , Ausgabe in PNG-Datei. Beachten Sie, dass die Bibliothek als "fitz" importiert wird, ein historischer Name für die verwendete Rendering-Engine.

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)

Die Python-Bibliothek pdf2image(in der anderen Antwort verwendet) macht in der Tat nicht viel mehr als nur das Starten pdttoppm mit subprocess.Popen. Hier ist eine kurze Version, die dies direkt tut:

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))

Hier ist der Windows-Installationslink für pdftoppm(in einem Paket namens poppler enthalten): http://blog.alivate.com.au/poppler-windows/

Es ist nicht erforderlich, Poppler auf Ihrem Betriebssystem zu installieren. Das wird funktionieren:

pip install 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, installiere poppler für Windows und verwende pdftoppm.exe wie folgt:

1. Laden Sie die Zip-Datei mit den neuesten Binärdateien / DLLs von Poppler von http://blog.alivate.com.au/poppler-windows/ herunter und entpacken Sie sie in einen neuen Ordner in Ihrem Programmdateienordner. Zum Beispiel: "C: \ Programme (x86) \ Poppler".

2. Fügen Sie Ihrer Umgebungsvariablen SYSTEM PATH "C: \ Programme (x86) \ Poppler \ poppler-0.68.0 \ bin" hinzu.

3. Installieren Sie in der cmd-Zeile das Modul pdf2image -> "pip install pdf2image".

4. Alternativ können Sie pdftoppm.exe direkt aus Ihrem Code mithilfe des Python-Unterprozessmoduls ausführen, wie vom Benutzer Basj erläutert.

@vishvAs vAsuki, dieser Code sollte die gewünschten JPGs über das Unterprozessmodul für alle Seiten eines oder mehrerer PDFs in einem bestimmten Ordner generieren:

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))

Oder verwenden Sie das Modul 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")

Es gibt ein Dienstprogramm namens pdftojpg, mit dem das PDF in img konvertiert werden kann

Den Code finden Sie hier 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 ist für ein Linux-basiertes System viel schneller als Poppler.

Im Folgenden finden Sie den Code für die Konvertierung von PDF in Bilder.

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 kann unter macOS mit installiert werden brew install ghostscript

Installationsinformationen für andere Plattformen finden Sie hier . Wenn es noch nicht auf Ihrem System installiert ist.

Ich benutze eine (vielleicht) viel einfachere Option von 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
done

Dies ist ein kleiner Teil eines Bash-Skripts in einer Schleife für die Verwendung eines schmalen Casting-Geräts. Überprüft alle 5 Sekunden hinzugefügte PDF-Dateien (alle) und verarbeitet sie. Dies ist für ein Demo-Gerät, am Ende wird die Konvertierung auf einem Remote-Server durchgeführt. Jetzt in .PNG konvertieren, aber auch .JPG ist möglich.

Diese Konvertierung zusammen mit Übergängen im A4-Format, der Anzeige eines Videos, zweier flüssiger Bildlauftexte und eines Logos (mit Übergang in drei Versionen) setzt den Pi3 auf fast 4x 100% CPU-Last ;-)

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')

Hier ist eine Lösung, die keine zusätzlichen Bibliotheken erfordert und sehr schnell ist. Dies wurde gefunden von: https://nedbatchelder.com/blog/200712/extracting_jpgs_from_pdfs.html# Ich habe den Code in eine Funktion eingefügt, um es bequemer zu machen.

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 newfile

Rufen Sie convert mit dem PDF-Pfad als Argument auf, und die Funktion erstellt eine JPG-Datei im selben Verzeichnis