Python 从PDF中提取图片和图片信息(坐标、宽度和高度等)

目录

使用工具

Python从PDF的特定页面中提取图片

Python从PDF文档中提取图片

Python从PDF中提取图片的坐标、宽度和高度等信息


PDF文件作为一种广泛使用的电子文档格式,不仅包含文字信息,还可能包含各种图片、图表等视觉元素。在某些场景下,我们可能需要从PDF文件中提取这些图片,用于其他用途,比如插入到演示文稿中,或者进行进一步的编辑和处理。手动从PDF中提取图片是一项耗时的工作,尤其是当需要处理大量PDF文档时。而使用Python自动化这一过程,可以大幅节省时间和精力。这篇博客将探讨如何使用Python从PDF中提取图片以及图片的相关信息如坐标、宽度和高度等

使用工具

本文使用的是Spire.PDF for Python库来实现从PDF中提取图片和图片信息。

你可以通过在终端运行以下命令来从PyPI安装Spire.PDF for Python:

pip install Spire.PDF

Python从PDF的特定页面中提取图片

要从PDF的特定页面中提取图片,首先需要使用PdfDocument.Pages[page_index]属性访问目标页面。之后,使用PdfImageHelper.GetImagesInfo(page) 方法获取该页面上的图片信息。最后使用PdfImageInfo.Image.Save() 方法将每个图片保存为独立的图片文件。具体步骤如下:

  • 创建 PdfDocument 类的实例并使用 PdfDocument.LoadFromFile() 方法加载 PDF 文档。
  • 使用PdfDocument.Pages[page_index]属性访问目标页面,这里的page_index表示页面的索引,从0开始计数。
  • 创建 PdfImageHelper 实例。
  • 使用 PdfImageHelper.GetImagesInfo(page) 方法获取目标页面中的图片信息。
  • 循环遍历获取结果,使用 PdfImageInfo.Image.Save() 方法将每张图片保存为独立的图片文件。
from spire.pdf.common import *
from spire.pdf import *
import osdef extract_images_from_pdf_page(pdf_path, page_index, output_dir):"""从 PDF 文件的指定页面中提取图片,并将其保存到指定的输出目录中。参数:pdf_path (str): PDF 文件的路径。page_index (int): 要提取图片的页面的索引值。output_dir (str): 输出图片文件的目录。"""# 创建 PdfDocument 实例并加载 PDF 文件doc = PdfDocument()doc.LoadFromFile(pdf_path)# 获取需要提取图片的目标页面page = doc.Pages[page_index]# 创建 PdfImageHelper 实例image_helper = PdfImageHelper()# 获取目标页面的图片信息image_infos = image_helper.GetImagesInfo(page)image_count = 1# 提取并保存图片for image_index in range(len(image_infos)):# 指定输出文件名output_file = os.path.join(output_dir, f"Image-{image_count}.png")# 将图片保存为图片文件image_infos[image_index].Image.Save(output_file)image_count += 1doc.Close()# 使用示例
extract_images_from_pdf_page("示例.pdf", 1, "C:/Users/Administrator/Desktop/图片")

Python从PDF文档中提取图片

要从整个PDF文档中提取图片,只需要循环遍历文档中的页面,然后重复上面的步骤,从每个页面上提取图片信息,最后将图片保存为独立的图片文件即可。具体步骤如下:

  • 创建 PdfDocument 实例并使用 PdfDocument.LoadFromFile() 方法加载 PDF 文档。
  • 创建 PdfImageHelper 实例。
  • 循环遍历文档中的页面。
  • 使用 PdfImageHelper.GetImagesInfo(page) 方法获取每个页面中的图片信息。
  • 遍历获取结果,使用 PdfImageInfo.Image.Save() 方法将每张图片保存为图片文件。
from spire.pdf.common import *
from spire.pdf import *def extract_images_from_pdf(pdf_path, output_dir):"""从 PDF 文件中提取所有图片,并将其保存到指定的输出目录中。参数:pdf_path (str): 输入 PDF 文件的路径。output_dir (str): 输出图片文件的目录。"""# 创建 PdfDocument 实例并加载 PDF 文件doc = PdfDocument()doc.LoadFromFile(pdf_path)# 创建 PdfImageHelper 实例image_helper = PdfImageHelper()image_count = 1# 循环遍历每个页面for page_index in range(doc.Pages.Count):page = doc.Pages[page_index]# 获取页面的图片信息image_infos = image_helper.GetImagesInfo(page)# 提取并保存图片for image_index in range(len(image_infos)):# 指定输出文件名output_file = os.path.join(output_dir, f"Image-{image_count}.png")# 将图片保存为图片文件image_infos[image_index].Image.Save(output_file)image_count += 1doc.Close()# 使用示例
extract_images_from_pdf("示例.pdf", "C:/Users/Administrator/Desktop/图片")

Python从PDF中提取图片的坐标、宽度和高度等信息

要提取 PDF 文件中图片的信息,例如位置(X和Y坐标)、宽度和高度,可以使用 PdfImageInfo.Bounds.XPdfImageInfo.Bounds.YPdfImageInfo.Bounds.WidthPdfImageInfo.Bounds.Height 属性。具体步骤如下:

  • 创建 PdfDocument 实例并使用 PdfDocument.LoadFromFile() 方法加载 PDF 文档。
  • 创建 PdfImageHelper 实例。
  • 循环遍历文档中的页面。
  • 使用 PdfImageHelper.GetImagesInfo(page) 方法获取每个页面中的图片信息。
  • 遍历获取结果,使用 PdfImageInfo.Bounds.XPdfImageInfo.Bounds.YPdfImageInfo.Bounds.WidthPdfImageInfo.Bounds.Height 属性获取图片的坐标、宽度和高度。
from spire.pdf.common import *
from spire.pdf import *def print_pdf_image_info(pdf_path):"""打印 PDF 文件中图片的坐标、宽度和高度。参数:pdf_path (str): 输入 PDF 文件的路径。"""# 创建 PdfDocument 实例并加载 PDF 文件doc = PdfDocument()doc.LoadFromFile(pdf_path)# 创建 PdfImageHelper 实例image_helper = PdfImageHelper()# 循环遍历每个页面for page_index in range(doc.Pages.Count):page = doc.Pages[page_index]# 获取页面的图片信息image_infos = image_helper.GetImagesInfo(page)# 打印图片的坐标位置、宽度和高度for image_index, image_info in enumerate(image_infos):print(f"第 {page_index + 1} 页, 第 {image_index + 1} 个图片:")print(f"  图片位置: ({image_info.Bounds.X}, {image_info.Bounds.Y})")print(f"  图片大小: {image_info.Bounds.Width} x {image_info.Bounds.Height}")doc.Close()# 使用示例
print_pdf_image_info("示例.pdf")

Python 提取PDF图片信息

以上就是使用Python从PDF中提取图片和图片坐标、宽度和高度等信息的全部内容。本文完。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/46957.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【Linux】安装PHP扩展-Swoole

说明 本文档是在centos7.6的环境下,安装PHP7.4之后,安装对应的PHP扩展Swoole。 一、swoole简述 Swoole 是一个为 PHP 设计的高性能的异步并行网络通信引擎,它以扩展(extension)的形式存在,极大地提升了 …

zephyr设置BLE广播数据实例

目录 实例1:静态开启广播数据实例2:动态更改广播数据实例3:创建可连接的广播 实例1:静态开启广播数据 新建一个hello world的工程模板。 在prj.conf中开启蓝牙 CONFIG_BTy这个宏,默认会开启广播支持 ( BT_BROADCAS…

Spring Boot项目的404是如何发生的

问题 在日常开发中,假如我们访问一个Sping容器中并不存在的路径,通常会返回404的报错,具体原因是什么呢? 结论 错误的访问会调用两次DispatcherServlet:第一次调用无法找到对应路径时,会给Response设置一个…

TCP与UDP的理解

文章目录 UDP协议UDP协议的特点UDP的应用以及杂项 TCP协议TCP协议段格式解释和TCP过程详解确认应答机制 -- 序号和确认序号以及6位标志位中的ACK超时重传机制连接管理机制 与标志位SYN,FIN,ACK滑动窗口流量控制拥塞控制延迟应答捎带应答和面向字节流粘包问题TCP异常情况TCP特点…

5.4 软件工程-系统设计

系统设计 - 概述 设计软件系统总体结构 数据结构及数据库设计 编写概要设计文档、评审 详细设计的基本任务 真题

【LeetCode】插入区间

目录 一、题目二、解法完整代码 一、题目 给你一个 无重叠的 ,按照区间起始端点排序的区间列表 intervals,其中 intervals[i] [starti, endi] 表示第 i 个区间的开始和结束,并且 intervals 按照 starti 升序排列。同样给定一个区间 newInte…

前端打包部署后源码安全问题总结

随着现代Web应用越来越依赖于客户端技术,前端安全问题也随之突显。源码泄露是一个严重的安全问题,它不仅暴露了应用的内部逻辑和业务关键信息,还可能导致更广泛的安全风险。本文将详细介绍源码泄露的潜在风险,并提供一系列策略和工…

比特币中的挖矿到底是什么意思

在比特币挖矿过程中,计算的核心是解决一个称为"工作量证明"(Proof of Work, PoW)的数学难题。这个难题是设计来需要大量计算资源才能解决的,但验证其解却相对容易。以下是解决这个难题的具体步骤和原理: 工…

anaconda常用指令学习

在win系统下安装完成后,需要进行环境变量的配置 配置环境变量,把下面的4个目录全部加到PATH变量里面。 Anaconda安装目录的根目录\ Anaconda安装目录的根目录\Scripts Anaconda安装目录的根目录\Library\bin Anaconda安装目录的根目录\Library\mingw-w6…

[米联客-安路飞龙DR1-FPSOC] FPGA基础篇连载-15 SPI接收程序设计

软件版本:Anlogic -TD5.9.1-DR1_ES1.1 操作系统:WIN10 64bit 硬件平台:适用安路(Anlogic)FPGA 实验平台:米联客-MLK-L1-CZ06-DR1M90G开发板 板卡获取平台:https://milianke.tmall.com/ 登录“米联客”FPGA社区 ht…

Java练习02

天朝有一个乞丐姓洪,去天桥要钱 第一天要了1块钱 第二天要了2块钱 第三天要了4块钱 第四天要了8块钱 以此类推 问题: 洪乞丐干10天,收入是多少? /*** 天朝有一个乞丐姓洪,去天桥要钱* 第一天要了1块钱 * 第二天要了2块…

AI对开发者的影响:重塑技能、职业与生活

AI是在帮助开发者还是取代他们? 在软件开发领域,生成式人工智能(AIGC)正在改变开发者的工作方式。无论是代码生成、错误检测还是自动化测试,AI工具正在成为开发者的得力助手。然而,这也引发了对开发者职业前…

Michael.W基于Foundry精读Openzeppelin第64期——UUPSUpgradeable.sol

Michael.W基于Foundry精读Openzeppelin第64期——UUPSUpgradeable.sol 0. 版本0.1 UUPSUpgradeable.sol 1. 目标合约2. 代码精读2.1 modifier onlyProxy()2.2 modifier notDelegated()2.3 proxiableUUID()2.4 upgradeTo(address newImplementation) && _authorizeUpgra…

linux服务器登录mysql无异常,本地登录报1045 -Access denied for user

1、本地登录linux服务器报“1045 -Access denied for user (用户访问被拒绝)” 造成上面链接问题的原因是,用户权限不足,需要在linux服务器上执行如下2条命令即可 CREATE USER root127.0.0.1 IDENTIFIED BY root123; GRANT ALL P…

docker build 建立镜像,多出很多 none 的中间层镜像

虚悬镜像 仓库名、标签均为的镜像被称为虚悬镜像,一般来说,虚悬镜像已经失去了存在的价值,是可以随意删除的。 出现虚悬镜像的原因一般是在docker pull **:latest 时产生。当新版本发布后重新pull,旧的镜像名会被新镜像所占用&a…

新美业和传统美业的区别在哪些方面?连锁美业SaaS收银系统源码

新美业和传统美业在很多方面存在着显著的区别。传统美业通常指的是传统的美容美发行业,而新美业则更多地与科技、数字化和创新相关。随着科技的不断发展和消费者需求的变化,新美业将继续引领美容行业的发展趋势。 以下是传统美业和新美业之间的一些区别…

用 AI 写歌词,让音乐表达与众不同

在音乐的广袤天地中,我们都渴望通过独特的表达来触动人心,展现自我。而如今,AI 技术的崛起为音乐创作带来了全新的突破,让我们能够以一种前所未有的方式赋予音乐独特的灵魂。 “妙笔生词智能写歌词软件(veve522&#…

微信小程序-组件通信

一.父组件向子组件传值 以checkbox为例子&#xff0c;自定义一个checkbox组件&#xff0c;定义properties属性的checked值&#xff0c;当父组件checked值为true&#xff0c;则默认勾选。 父组件代码 <custom-checkbox position"right" checked"true"…

大模型日报 2024-07-16

大模型日报 2024-07-16 一、大模型资讯 智能化软件开发 2.0 | aiXcoder 落地 Agent 技术&#xff0c;聚焦企业项目级代码生成场景 北大 aiXcoder 团队基于大模型的 AI Agent 技术应用于软件开发。 抛弃视觉编码器&#xff0c;这个「原生版」多模态大模型也能媲美主流方法 新视觉…

Kubernetes面试整理-Helm是什么?

Helm 是 Kubernetes 的包管理工具,它使得在 Kubernetes 上部署和管理复杂的应用变得更加简单和高效。Helm 使用称为 "Charts" 的软件包来定义、安装和管理 Kubernetes 应用程序。 核心概念 ● Chart:Chart 是 Helm 中的打包格式,包含一个应用程序的 Kubernetes 资…