Konvertieren Sie PDFs mit Python in Massenbilder

Was Sie in diesem Artikel tun möchten

Konvertiert eine PDF-Datei in ein Bild (PNG) mit einer Datei pro Seite. Überprüfung der Ausgabe von Geschäftsformularen Da eine Vorverarbeitung vorausgesetzt wird, können mehrere PDF-Dateien zusammen verarbeitet werden.

Dinge vorzubereiten

• Umgebung, in der Python3 ausgeführt wird. Dieser Artikel verwendet Python 3.8.1 (Windows 64bit) --Poppler. Open Source-Befehlszeilentools, die PDF-Dateien verarbeiten können --pdf2 Bild. Wrapper-Modul, mit dem Poppler von Python aus verwendet werden kann

Poppler-Installation

Hauptfamilie (Quelle) https://poppler.freedesktop.org/

Binärdateien für Windows finden Sie hier. http://blog.alivate.com.au/poppler-windows/

Der Installationsvorgang ist auf dieser Site zusammengefasst. http://pdf-file.nnn2.com/?p=863 Wenn Sie die Sprachdatei nicht in die zweite Hälfte der Erklärung aufnehmen, wird der japanische Dateiname verstümmelt. Fügen Sie ihn daher unbedingt ein.

Hinzugefügt am 6. Januar 2020

Da imread () und imwrite () keine anderen Dateinamen als ASCII verarbeiten können, muss der Dateiname bei der Nachbearbeitung mit openCV-Python in ASCII-Zeichen geändert werden. Es ist in Ordnung, es wie "base = urllib.parse.quote (pdf_file.stem)" per URL zu codieren, aber es ist für andere nicht lesbar.

Wenn es schwierig ist, die Originaldaten umzubenennen, gibt es auch eine solche Gegenmaßnahme. Informationen zum Umgang mit Problemen beim Umgang mit Dateipfaden einschließlich Japanisch in Python OpenCV cv2.imread und cv2.imwrite https://qiita.com/SKYS/items/cbde3775e2143cad745

Pdf2image installieren

pip install pdf2image

Klicken Sie hier für Github https://github.com/Belval/pdf2image

Python-Code

pdf2img.py

import pathlib
import pdf2image

pdf_files = pathlib.Path('in_pdf').glob('*.pdf')
img_dir = pathlib.Path('out_img')

for pdf_file in pdf_files:
    base = pdf_file.stem
    images = pdf2image.convert_from_path(pdf_file, grayscale=True, size=640)
    for index, image in enumerate(images):
        image.save(img_dir/pathlib.Path(base + '-{}.png'.format(index + 1)),
                   'png')

Was ich mache, ist einfach: Ich lese eine PDF-Datei im Ordner in_pdf des aktuellen Verzeichnisses und gebe {PDF-Dateiname} - {page} .png in den Ordner out_img aus.

Beispiel) Einige form.pdf → Einige form-1.png Einige form-2.png

Bildkonvertierungsparameter images = pdf2image.convert_from_path(pdf_file, grayscale=True, size=640) Sie können es einstellen auf.

• Graue Skala mit "Graustufen = Wahr". Wenn Sie "Graustufen = Falsch" setzen oder die Spezifikation weglassen, Farbe
• Ausgabe so, dass sie in n Pixel im Quadrat mit size = n passt. Größe berechnet durch DPI-Wert, falls nicht angegeben
• Geben Sie einen DPI-Wert mit "dpi = n" an (Standardwert ist 200 DPI). Wenn es eine Größenangabe gibt, hat diese Priorität

Es gibt viele andere Einstellungen, die Sie vornehmen können, aber vorerst ist dies ausreichend.

Das Bildformat ist image.save(img_dir/pathlib.Path(base + '-{}.png'.format(index + 1)), 'png') Wo image.save(img_dir/pathlib.Path(base + '-{}.jpg'.format(index + 1)), 'jpeg') Dann wird es im JPEG-Format ausgegeben.