利用Python優(yōu)雅地將PDF轉換成圖片

作者：qikqiak

來源：https：//blog.qikqiak.com/post/python-convert-pdf-images/

之前收集了很多優(yōu)秀的??PDF文檔，但是需要看的時候不是很方便，需要去找到這個文件，如果是在手機上的話往往還需要下載??PDF相關的插件才行，而且最大的問題是不方便資料的整理和如果能夠將??PDF轉換成網頁，豈不是能夠解決這些問題了？還能直接分享出去。

這里利用??PyPDF包來處理??PDF文件，為了方便快捷，我這里直接將一個頁面轉換成圖片，就不需要去識別頁面中的每一個??PDF元素了，這是沒必要的。

轉換

核心代碼很簡單，就是將??PDF文件讀取出來，轉換成??PdfFileReader，然后就可以根據(jù)??PyPDF2的API去獲得每個一個頁面的二進制數(shù)據(jù)，拿到二進制數(shù)據(jù)過后，就能很方便的進行圖片處理了，這里用??wand包來進行圖片處理。

# -*- coding: utf-8 -*-
import io

from wand.image import Image
from wand.color import Color
from PyPDF2 import PdfFileReader, PdfFileWriter

memo = {}

def getPdfReader(filename):
 ? ?reader = memo.get(filename, None)
 ? ?if reader is None:
 ? ? ? ?reader = PdfFileReader(filename, strict=False)
 ? ? ? ?memo[filename] = reader
 ? ?return reader

def _run_convert(filename, page, res=120):
 ? ?idx = page + 1
 ? ?pdfile = getPdfReader(filename)
 ? ?pageObj = pdfile.getPage(page)
 ? ?dst_pdf = PdfFileWriter()
 ? ?dst_pdf.addPage(pageObj)

 ? ?pdf_bytes = io.BytesIO()
 ? ?dst_pdf.write(pdf_bytes)
 ? ?pdf_bytes.seek(0)

 ? ?img = Image(file=pdf_bytes, resolution=res)
 ? ?img.format = 'png'
 ? ?img.compression_quality = 90
 ? ?img.background_color = Color("white")
 ? ?img_path = '%s%d.png' % (filename[:filename.rindex('.')], idx)
 ? ?img.save(filename=img_path)
 ? ?img.destroy()

需要注意的是一般PDF文件合并，如果一次性轉換整個PDF文件需要小心緩存重疊的問題，我們這里將第一次加載的整個PDF文件保存到內存，避免每次重新放置的時候都重新加載入。

批量處理

上面已經完成了一個??PDF頁面的轉換，要完成整個文件的轉換就很簡單了，只需要拿到文件的總頁碼，然后循環(huán)執(zhí)行就行。考慮到轉換比較耗時，可以使用反向處理的方式加快速度。例如可以使用??celery來搭配處理，一定注意小心內存占用。