通过python提取PDF文件指定页的图片

整体思路

要从 PDF 文件中提取指定页和指定位置的图片，可以分几个步骤来实现：

1.1 准备所需工具与库

在 Python 中处理 PDF 和图像时，需要使用几个库：

• PyMuPDF (fitz)：用于读取和处理 PDF 文件，可以精确获取指定页面内容。
• Pillow：处理图像，用于裁剪和保存图片。
• pdf2image：将 PDF 页面转换为图像格式，方便进一步处理。

1.2 基本流程

1. 读取 PDF 文件：使用 PyMuPDF 读取 PDF 文件，找到指定页。
2. 获取页面图像：使用 pdf2image 将目标页转换为图像。
3. 确定图片区域：使用坐标来指定图像中的区域。该区域可以通过手动确定，或者通过图像识别技术（如 OCR）来定位。
4. 提取并保存图片：使用 Pillow 裁剪出指定区域，并保存图像。

1.3 处理步骤

• Step 1：使用 PyMuPDF 打开 PDF，找到目标页。
• Step 2：将该页转换为图像。
• Step 3：根据坐标裁剪指定位置的图像。
• Step 4：保存裁剪后的图像。

代码示例：

import fitz  # PyMuPDF
from pdf2image import convert_from_path
from PIL import Image# Step 1: 打开 PDF 文件并定位指定页面
def extract_image_from_pdf(pdf_path, page_number, crop_box, output_image_path):# Step 2: 将目标页转换为图像pages = convert_from_path(pdf_path, dpi=300)target_page = pages[page_number - 1]  # Python的索引从0开始# Step 3: 使用 Pillow 裁剪图像left, top, right, bottom = crop_box  # 指定区域的坐标cropped_image = target_page.crop((left, top, right, bottom))# Step 4: 保存裁剪后的图像cropped_image.save(output_image_path)print(f"图像已保存到: {output_image_path}")# 示例使用
pdf_path = "/Users/linql/Desktop/3.5_python/0001_26110523.pdf"  # PDF 文件路径
page_number = 4  # 要提取的页码
crop_box = (10, 700,2800, 3100)  # 图像的裁剪区域 (left, top, right, bottom)
output_image_path = "output_image.png"  # 输出图像的路径extract_image_from_pdf(pdf_path, page_number, crop_box, output_image_path)

运行后，会提示：

pdf2image.exceptions.PDFInfoNotInstalledError: Unable to get page count. Is poppler installed and in PATH?

是因为：# macOS 需要安装 poppler 用于 pdf2image

brew install poppler