Question

我有一组pdf文件，每个文件都包含一张A4纸的扫描件，尺寸不同。我想将它们转换为图像并修复传出图像的分辨率。

我要转换为jpg（不调整大小）的代码：

from pdf2image import convert_from_path

filename_in = 'myfile.pdf'
filename_out = 'myfile.jpg'

jpeg = convert_from_path( filename_in )
jpeg[0].save( filename_out , 'JPEG' )

如果我尝试转换的pdf中有任何颜色，则以上操作无效，并且传出的图像完全是白色的（尺寸非零）。这是一个已知问题，是否存在解决方案？

我正在使用Python 3.7.3。

我无法共享pdf文件，因为它们包含私人信息。

Answer 1

您可以尝试提取图像并纠正分辨率，而不用转换PDF。

尝试pdfreader，这是从文档中提取所有图像（内联图像和XObject）的示例代码。

from pdfreader import SimplePDFViewer, PageDoesNotExist

fd = open(you_pdf_file_name, "rb")
viewer = SimplePDFViewer(fd)

images = []
try:
    while True:
        viewer.render()
        images.extend(viewer.canvas.inline_images)
        images.extend(viewer.canvas.images.values())
        viewer.next()
except PageDoesNotExist:
    pass

然后，您可以将图像转换为PIL/Pillow对象并保存（或执行所需的任何操作）

for i, img in enumerate(images):
    img.to_Pillow().save("{}.png".format(i))

pdf2image-convert_from_path为带有颜色的pdf返回空图像

1 个答案: