文章目录
一、背景说明
最近在看一份pdf的书籍，其中有一些图片绘制地比较出色，所以就打算将其复制出来，以便于在需要的时候进行使用。
但是，令人无奈的是，pdf中的图片是无法直接另存为的。搜了一些网上的做法，要么是需要收费，要么就需要在线上传文件… 总之方案都不是很理想。
偶然之下了解到Python的fitz这个组件，据说是可以导出PDF中的图片的。所以，在一番学习之下写了一个小的工具，成功导出了所需的图片。
出于备忘的需要，也为了将该方法分享给广大的小伙伴，享受从PDF中导出图片的快乐，所以就有了本文的诞生。
二、代码编写
闲言少叙，直接上代码：
import fitz
import os
# 打开文件
pdf_file_name = "E:/books/xxx.pdf"
# 提取图片函数
def extract_pics(file_name, extract_path):
# 1.打开文件
doc = fitz.open(file_name)
#文档页数
pages = len(doc)
print("文档共有{}页".format(pages))
# 2.遍历并检查每页的图片
image_count = 0
for i in range(pages):
# 页面对象
page = doc[i]
# 获取图片列表
images = page.get_images()
# 遍历图片
for image in images:
# 返回图片引用
xref = image[0]
# 根据引用从pdf中释放出图片
base_image = doc.extract_image(xref)
#获得图片数据
image_data = base_image["image"]
# 保存图片
if not os.path.exists(extract_path):
os.makedirs(extract_path)
with open(f'{extract_path}/image_{image_count}.png', 'wb') as f:
f.write(image_data)
image_count = image_count + 1
# 3.关闭打开的pdf
doc.close()
return image_count
count = extract_pics(pdf_file_name, "./pics")
print("导出 {} 张图片".format(count))
代码思路：
- 将待导出图片的文件，定义为一个变量。传入提取图片函数，作为参数。
- 将图片导出的目标路径作为函数的第二个参数
- 函数所做的事情如下：
而官方文档有这么一句：
就是说：通过代码 img = doc.extract_image(xref) 可以提取图片。这个方法的返回值是一个字典。通过字典的 img["image"] 可以获取二进制的图片数据 。
三、问题
3.1、如何得到图片的xref？
答：
循环访问 Page.get_images() 的项目。它会返回一个列表的列表，列表的元素结构类似于 [xref， smask， …]，其中包含图像。
3.2、xref有什么用呢？
答：可以使用 img = doc.extract_image（xref） 提取图像。img是一个 字典结构。其中 img[“image”] 可以返回一个二进制图像数据。
四、总结
本文通过Python写了一个可以导出pdf文件中图片的小工具。借助这个工具可以很容易地将pdf中的所有图片都导出到指定目录。
文中对代码的核心功能部分进行了讲解。并结合官方文档说明了代码为什么这么写。希望对小伙伴们有帮助！！
参考：
https://pymupdf.readthedocs.io/en/latest/module.html
https://pymupdf.readthedocs.io/en/1.24.0/recipes-images.html#how-to-extract-images-pdf-documents
