Python：用图像解析pdf

Question

我想解析一些包含文本的pdf文件，可能包含也可能不包含图像。我想将文本部分提取为字符串以进行进一步处理，并将图像保存为jpeg / png或任何其他图像格式。什么应该是最好的模块？

Answer 1

pdfminer将获取您的文字。 pdfrw（免责声明：我是pdfrw的作者）有一些示例可以找到图像并将它们转储到单独的页面，还有将PDF分成单独页面的示例，因此您可以轻松地将所有图像提取为单独的PDF。如果以无头模式运行inkscape（例如从子进程模块），它可以读取PDF并输出不同的格式。