前言：在最近的測(cè)試中遇到一個(gè)與PDF相關(guān)的測(cè)試需求，其中有一個(gè)過(guò)程是將PDF轉(zhuǎn)換成圖片，然后對(duì)圖片進(jìn)行測(cè)試。

粗略的試了好幾種方式，其中語(yǔ)言嘗試了Python和Java，總體而言所找到的Python方式相對(duì)比Java更快一些，更簡(jiǎn)單一些。

下面首先分享一下Python將PDF轉(zhuǎn)換成圖片，Java后續(xù)有時(shí)間在進(jìn)行分享。

需求：我需要先將PDF轉(zhuǎn)換成為PNG圖片，并截取圖片的一部分存儲(chǔ)，然后作為測(cè)試目標(biāo)進(jìn)行測(cè)試。

操作：

1、PDF轉(zhuǎn)PNG圖片

2、對(duì)PNG圖片進(jìn)行指定區(qū)域截圖，在另存到指定文件夾下

針對(duì)截圖此處所找到的方法如上一篇博客：
Python圖片裁剪的兩種方式——Pillow和OpenCV

1、PyMuPDF將PDF轉(zhuǎn)換成圖片

import sys, fitz import os import datetimedef pyMuPDF_fitz(pdfPath, imagePath):startTime_pdf2img = datetime.datetime.now()#開(kāi)始時(shí)間print("imagePath="+imagePath)pdfDoc = fitz.open(pdfPath)for pg in range(pdfDoc.pageCount):page = pdfDoc[pg]rotate = int(0)# 每個(gè)尺寸的縮放系數(shù)為1.3，這將為我們生成分辨率提高2.6的圖像。# 此處若是不做設(shè)置，默認(rèn)圖片大小為：792X612, dpi=96zoom_x = 1.33333333 #(1.33333333-->1056x816) (2-->1584x1224)zoom_y = 1.33333333mat = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)pix = page.getPixmap(matrix=mat, alpha=False)if not os.path.exists(imagePath):#判斷存放圖片的文件夾是否存在os.makedirs(imagePath) # 若圖片文件夾不存在就創(chuàng)建pix.writePNG(imagePath+'/'+'images_%s.png' % pg)#將圖片寫(xiě)入指定的文件夾內(nèi)endTime_pdf2img = datetime.datetime.now()#結(jié)束時(shí)間print('pdf2img時(shí)間=',(endTime_pdf2img - startTime_pdf2img).seconds)if __name__ == "__main__":pdfPath = '../path/demo.pdf'imagePath = '../path/image'pyMuPDF_fitz(pdfPath, imagePath)

PDF文檔頁(yè)數(shù)超過(guò)100頁(yè)的話需要十幾秒，因?yàn)橄绒D(zhuǎn)換成一整張1056X816的圖片，再對(duì)本地文件中的所有圖片進(jìn)行遍歷截圖，時(shí)間上比較慢,通過(guò)查看文檔發(fā)現(xiàn)：

還可以在轉(zhuǎn)換的同時(shí)指定圖片的大小，對(duì)圖片指定區(qū)域進(jìn)行截取，這樣快很多，一步到位，省去了二次截圖的過(guò)程，前提是我們必須要知道想要截取哪一塊區(qū)域并保存。

官方示例代碼如下：

#下面的這段代碼就是想要從一頁(yè)P(yáng)DF的中心點(diǎn)為起點(diǎn)截取到右下角的區(qū)域，截取整張圖的1/4. >>> mat = fitz.Matrix(2, 2) # 在每個(gè)方向縮放因子2 >>> rect = page.rect # 頁(yè)面的矩形 >>> mp = rect.tl + (rect.br - rect.tl) * 0.5 # 矩形的中心 >>> clip = fitz.Rect(mp, rect.br) # 我們想要的剪切區(qū)域 >>> pix = page.getPixmap(matrix = mat, clip = clip)

實(shí)際用到的例子是：

整張圖片導(dǎo)出之后是1056*816，但是我想要的是這張圖片最底部的部分1056*75，相當(dāng)于PDF文檔的頁(yè)腳部分。

import sys, fitz import os import datetimedef pyMuPDF_fitz(pdfPath, imagePath):startTime_pdf2img = datetime.datetime.now()#開(kāi)始時(shí)間pdfDoc = fitz.open(pdfPath)for pg in range(pdfDoc.pageCount):page = pdfDoc[pg]rotate = int(0)# 每個(gè)尺寸的縮放系數(shù)為1.3，這將為我們生成分辨率提高2.6的圖像。# 此處若是不做設(shè)置，默認(rèn)圖片大小為：792X612, dpi=96zoom_x = 1.33333333 #(1.33333333-->1056x816) (2-->1584x1224)zoom_y = 1.33333333mat = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)pix = page.getPixmap(matrix=mat, alpha=False)if not os.path.exists(imagePath):#判斷存放圖片的文件夾是否存在os.makedirs(imagePath) # 若圖片文件夾不存在就創(chuàng)建pix.writePNG(imagePath+'/'+'images_%s.png' % pg)#將圖片寫(xiě)入指定的文件夾內(nèi)endTime_pdf2img = datetime.datetime.now()#結(jié)束時(shí)間print('pdf2img時(shí)間=',(endTime_pdf2img - startTime_pdf2img).seconds)def pyMuPDF2_fitz(pdfPath, imagePath):pdfDoc = fitz.open(pdfPath) # open documentfor pg in range(pdfDoc.pageCount): # iterate through the pagespage = pdfDoc[pg]rotate = int(0)# 每個(gè)尺寸的縮放系數(shù)為1.3，這將為我們生成分辨率提高2.6的圖像# 此處若是不做設(shè)置，默認(rèn)圖片大小為：792X612, dpi=96zoom_x = 1.33333333 #(1.33333333-->1056x816) (2-->1584x1224)zoom_y = 1.33333333mat = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate) # 縮放系數(shù)1.3在每個(gè)維度 .preRotate(rotate)是執(zhí)行一個(gè)旋轉(zhuǎn)rect = page.rect # 頁(yè)面大小mp = rect.tl + (rect.bl - (0,75/zoom_x)) # 矩形區(qū)域 56=75/1.3333clip = fitz.Rect(mp, rect.br) # 想要截取的區(qū)域pix = page.getPixmap(matrix=mat, alpha=False, clip=clip) # 將頁(yè)面轉(zhuǎn)換為圖像if not os.path.exists(imagePath):os.makedirs(imagePath)pix.writePNG(imagePath+'/'+'psReport_%s.png' % pg)# store image as a PNGif __name__ == "__main__":pdfPath = '../path/demo.pdf'imagePath = '../path/image'#pyMuPDF_fitz(pdfPath, imagePath)#只是轉(zhuǎn)換圖片pyMuPDF2_fitz(pdfPath, imagePath)#指定想要的區(qū)域轉(zhuǎn)換成圖片

當(dāng)然上面這種是綜合下來(lái)最快的，另外PyMuPDF還可以對(duì)PDF進(jìn)行追加刪除之類的功能。
下面再介紹一種方法pdf2image

2、pdf2image將PDF轉(zhuǎn)換成圖片
pdf2image也是個(gè)包裝器，真正的轉(zhuǎn)換工具是poppler

GitHub地址：https://github.com/Belval/pdf2image ，上面也有相關(guān)的配置說(shuō)明。

1、安裝pdf2image: pip install pdf2image

2、Windows安裝配置poppler（這里只介紹Windows，Mac和Linux去上面Github地址里面參考官網(wǎng)）

Windows用戶必須為Windows安裝poppler (http://blog.alivate.com.au/poppler-windows/)，然后將bin/文件夾添加到PATH（開(kāi)始>輸入env>編輯系統(tǒng)環(huán)境變量>環(huán)境變量...>系統(tǒng)變量>Path）

注意：這里配置之后需要重啟一下電腦才會(huì)生效，不然會(huì)報(bào)如下錯(cuò)誤：

ERROE:FileNotFoundError: [WinError 2] The system cannot find the file specified? ? ?

During handling of the above exception, another exception occurred:

3、pip install pillow (如果你還沒(méi)有安裝過(guò)的話)

from pdf2image import convert_from_path,convert_from_bytes import tempfile from pdf2image.exceptions import (PDFInfoNotInstalledError,PDFPageCountError,PDFSyntaxError ) def pdf2image2(pdfPath, imagePath, pageNum):#方法一：#convert_from_path('a.pdf', dpi=500, "output",fmt="JPEG",output_file="ok",thread_count=4)#這會(huì)將a.pdf轉(zhuǎn)換成在output文件夾下形如ok_線程id-頁(yè)碼.jpg的一些文件。#若不指定thread_count則默認(rèn)為1，并且在文件名中顯示id. 這種轉(zhuǎn)換是直接寫(xiě)入到磁盤(pán)上的，因此不會(huì)占用太多內(nèi)存。#下面的寫(xiě)法直接寫(xiě)入到內(nèi)存,images = convert_from_path(pdfPath, dpi=96)for image in images:if not os.path.exists(imagePath):os.makedirs(imagePath)image.save(imagePath+'/'+'psReport_%s.png' % images.index(image), 'PNG')#方法二：images = convert_from_bytes(open('/home/belval/example.pdf', 'rb').read())for image in images:if not os.path.exists(imagePath):os.makedirs(imagePath)image.save(imagePath+'/'+'psReport_%s.png' % images.index(image), 'PNG') #方法三，也是最推薦的方法with tempfile.TemporaryDirectory() as path:images_from_path = convert_from_path(pdfPath, output_folder=path, dpi=96)for image in images_from_path:if not os.path.exists(imagePath):os.makedirs(imagePath)image.save(imagePath+'/'+'psReport_%s.png' % images_from_path.index(image), 'PNG')print(images_from_path)

以下是參數(shù)定義：

pdf_path --> 要轉(zhuǎn)換的PDF文檔路徑

dpi -->? DPI中的圖像質(zhì)量（默認(rèn)為200），Windows默認(rèn)為96dpi

output_folder --> 將生成的圖像寫(xiě)入文件夾（而不是直接寫(xiě)入內(nèi)存）若是path不做指定的話，path的默認(rèn)地址是：C:\Users\pzhang7\AppData\Local\Temp\生成的uuid4。

first_page --> 從哪一頁(yè)開(kāi)始轉(zhuǎn)換，默認(rèn)是PDF的第一頁(yè)

last_page --> 轉(zhuǎn)換到哪一頁(yè)，默認(rèn)是PDF的最后一頁(yè)

fmt --> 輸出圖像格式默認(rèn)格式是ppm，還可以設(shè)置為png和jpeg等

thread_count --> 允許生成多少個(gè)線程進(jìn)行處理，一般不超過(guò)4個(gè)線程；

userpw -->? PDF的密碼（若有密碼的話需要添加）

use_cropbox --> 使用cropbox而不是mediabox

strict --> 參數(shù)允許您使用自定義類型PDFSyntaxError捕獲pdftoppm語(yǔ)法錯(cuò)誤

transparent --> 參數(shù)允許生成沒(méi)有背景的圖像，而不是通常的白色圖像(為此需要pdftocairo)

single_file --> 使用pdftoppm / pdftocairo中的-singlefile選項(xiàng)

output_file --> 輸出文件名是什么

poppler_path --> 查找poppler二進(jìn)制文件的路徑，允許用戶使用poppler_path指定poppler的安裝路徑；默認(rèn)不指定的話需要將bin添加到系統(tǒng)PATH

pdf2image應(yīng)該也可以對(duì)指定區(qū)域進(jìn)行截取，暫時(shí)還沒(méi)詳細(xì)研究其方法，因?yàn)橐呀?jīng)找到更快的方法解決問(wèn)題了，對(duì)比如下所示：

3、比較PyMuPDF和pdf2image

以下是對(duì)一份75頁(yè)的PDF，輸出DPI=96的時(shí)間性能對(duì)比，pdf2image使用的是默認(rèn)線程數(shù)，下面的對(duì)比并沒(méi)有設(shè)置多線程，使用多線程會(huì)快一點(diǎn)，當(dāng)線程數(shù)設(shè)為5的時(shí)候，速度是9秒。

可以看出使用pyMuPDF_Fitz明顯快一倍多，最終選取了這種方式。

4、Wand將PDF轉(zhuǎn)換成圖片

和pdf2image一樣，wand都是包裝接口(bindings)，而實(shí)際進(jìn)行轉(zhuǎn)換的工具是ImageMagick.

Wind官網(wǎng)：
http://docs.wand-py.org/en/0.5.6/

ImageMagick官網(wǎng)：

https://imagemagick.org/script/download.php#windows

from?wand.image?import?Image filename="somefile.pdf" with(Image(filename=filename, resolution=120)) as source: images = source.sequencepages = len(images) for i in range(pages):n = i + 1newfilename = filename[:-4] + str(n) + '.jpeg'Image(images[i]).save(filename=newfilename)

由于問(wèn)題已經(jīng)解決，而且性能也還不錯(cuò)，就沒(méi)有具體去研究Wind這種方式了，感興趣的可以去看看。

萬(wàn)水千山總是情，點(diǎn)個(gè)“在看” 行不行

?

總結(jié)

以上是生活随笔為你收集整理的Python将PDF转成图片—PyMuPDF和pdf2image的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。