【pdf2image类库实现批量pdf转图片】通过pdf2image来实现对PDF文件的处理工作 ， 我们本次主要做的是将PDF文件批量转成图片 。 之前写过批量提取封面的文章 ， 但是在后期的深入编写过程中遇到一些问题 ， 近期再次深入编写程序 ， 一起来看看代码吧！
文章插图
python
一、说明本次使用python的类库pdf2image来实现功能 ， pdf2image需要poppler和pillow的支持 。
二、安装poppler和pillow1、popple安装
window安装方式
通过国内网址： ， 下载压缩包 ， 将压缩包进行解压操作 ， 目录如下图 ， 将解压包放置到磁盘根目录（避免出现误删除情况） ， 进入lib文件夹 ， 复制路径 。 如下：C:\poppler-0.68.0\lib ， 将路径添加到环境变量PATH中 。 然后将电脑重新启动（需要重启一下电脑才会生效）
文章插图
示例
linux安装（centos为例）
yum install poppler poppler-cpp-devel poppler-utils2、pillow安装
pip install pillow三、编写代码import configparserimport osfrom pdf2image import convert_from_path, convert_from_bytes '''PDF 文件转图片使用类库 pdf2image''' # 获取目录下所有 PDF 格式文件def get_path_file(files_path):print('开始获取文件列表')f = open('./list.txt', 'a+', encoding='utf-8')for root, dirs, files in os.walk(files_path, topdown=False):for name in files:f_p = os.path.join(root, name).replace("\\", "/")if ".pdf" in f_p:f.write(f_p + "\n")f.close() # 生成文件def make_pdf(pdf_path, save_path, ppm_path):# 通过路径获取文件集合get_path_file(pdf_path)# 读取列表文件 ， 获取集合数据f = open("./list.txt", 'r', encoding='utf8')path_url = f.read()file_data = http://kandian.youth.cn/index/path_url.split("\n")count = len(file_data)print("共计PDF文件数：%s" % count)for index, v_path in enumerate(file_data):# 路径为空 ， 跳出if not v_path:continueprint('剩余：%s ， 本次生成文件：%s' % ((count - index - 2), v_path))# 将 pdf 路径中的 斜线 替换pdf_path = pdf_path.replace('\\', '/')new_file_path = v_path.replace(pdf_path, save_path).replace('.pdf', '/')images = convert_from_path(pdf_path=v_path,# 要转换的pdf的路径dpi=200,# dpi中的图像质量（默认200）output_folder=ppm_path,# 将生成的图像写入文件夹（而不是直接写入内存）first_page=None,# 要处理的第一页last_page=None,# 停止前要处理的最后一页fmt="ppm",# 输出图像格式jpegopt=None,# jpeg选项“quality”、“progressive”和“optimize”（仅适用于jpeg格式）thread_count=4,# 允许生成多少线程进行处理userpw=None,# PDF密码use_cropbox=False,# 使用cropbox而不是mediaboxstrict=False,# 当抛出语法错误时 ， 它将作为异常引发transparent=False,# 以透明背景而不是白色背景输出 。single_file=False,# 使用pdftoppm/pdftocairo中的-singlefile选项poppler_path=None,# 查找poppler二进制文件的路径grayscale=False,# 输出灰度图像size=None,# 结果图像的大小 ， 使用枕头（宽度、高度）标准paths_only=False,# 不加载图像 ， 而是返回路径（需要output_文件夹）use_pdftocairo=False,# 用pdftocairo而不是pdftoppm ， 可能有助于提高性能timeout=None,# 超时)# 不存在时跳出if not images:print('文件内容为空 ， 跳出：%s' % v_path)continue# 文件名称file_name = os.path.basename(v_path)if '.pdf' not in file_name:print("此文件非PDF文件")continueif not os.path.exists(new_file_path):os.makedirs(new_file_path)else:# 存在目录 获取目录下文件数量if images == len(os.listdir(new_file_path)):continuefor i, image in enumerate(images):image.save("./%s/%d.png" % (new_file_path, i), "PNG")# print("正在保存第%s张图" % i)# 删除 缓存目录delete_file(ppm_path)# 判断目录是否存在def get_path_status(path, status):path_status = os.path.exists(path)if not path_status and status:os.makedirs(path)elif not path_status:print('%s ， 目录不存在' % path)exit()# 删除文件夹及其子文件def delete_file(path):# 先把各个目录的文件删除完for root, dirs, files in os.walk(path):for file in files:filepath = os.path.join(root, file)try:os.remove(filepath)# print("删除文件%s成功" % file)except:print("删除文件%s异常" % file)if __name__ == '__main__':pro_dir = os.path.split(os.path.realpath(__file__))[0]config_path = os.path.join(pro_dir, "config.ini")if not os.path.exists(config_path):print("无配置文件 ， 请先填写")exit()con = configparser.ConfigParser()print('开始读取配置文件')# 读取配置con.read(config_path, encoding='utf-8')get_path_status(con['PATH']['file_path'], False)get_path_status(con['PATH']['save_path'], True)get_path_status(con['PATH']['cache_path'], True)make_pdf(con['PATH']['file_path'], con['PATH']['save_path'], con['PATH']['cache_path'])# 删除缓存空目录和资源列表文件os.removedirs(con['PATH']['cache_path'])os.remove('./list.txt')print('任务处理完成')