作者： qikqiak

來源：https://blog.qikqiak.com/post/python-convert-pdf-images/

作者： qikqiak

來源：https://blog.qikqiak.com/post/python-convert-pdf-images/

之前收集了很多優(yōu)秀的 PDF文檔，但是需要看的時(shí)候不是很方便，需要去找到這個(gè)文件，如果是在手機(jī)上的話往往還需要下載 PDF相關(guān)的插件才行，而且最大的問題是不便于資料的整理和分享。如果能夠?qū)?PDF轉(zhuǎn)換成網(wǎng)頁，豈不是就能解決這些問題了？還能直接分享出去。

這里利用 PyPDF包來處理 PDF文件，為了方便快捷，我這里直接將一個(gè)頁面轉(zhuǎn)換成圖片，就不需要去識(shí)別頁面中的每一個(gè) PDF元素了，這是沒必要的。

轉(zhuǎn)換

核心代碼很簡(jiǎn)單，就是將 PDF文件讀取出來，轉(zhuǎn)換成 PdfFileReader，然后就可以根據(jù) PyPDF2的API去獲得每一個(gè)頁面的二進(jìn)制數(shù)據(jù)，拿到二進(jìn)制數(shù)據(jù)過后，就能很方便的進(jìn)行圖片處理了，這里用 wand包來進(jìn)行圖片處理。

# -*- coding: utf-8 -*-

importio

fromwand.image importImage

fromwand.color importColor

fromPyPDF2importPdfFileReader,PdfFileWriter

展開全文

memo ={}

defgetPdfReader(filename):

reader =memo.get(filename,None)

ifreader isNone:

reader =PdfFileReader(filename,strict=False)

memo[filename]=reader

returnreader

def_run_convert(filename,page,res=120):

idx =page +1

pdfile =getPdfReader(filename)

pageObj =pdfile.getPage(page)

dst_pdf =PdfFileWriter()

dst_pdf.addPage(pageObj)

pdf_bytes =io.BytesIO()

dst_pdf.write(pdf_bytes)

pdf_bytes.seek(0)

img =Image(file=pdf_bytes,resolution=res)

img.format ='png'

img.compression_quality =90

img.background_color =Color("white")

img_path ='%s%d.png'%(filename[:filename.rindex('.')],idx)

img.save(filename=img_path)

img.destroy()

需要注意的是一般PDF文件較大，如果一次性轉(zhuǎn)換整個(gè)PDF文件需要小心內(nèi)存溢出的問題，我們這里將第一次載入的整個(gè)PDF文件保存到內(nèi)存，避免每次讀取的時(shí)候都重新載入。

需要注意的是一般PDF文件較大，如果一次性轉(zhuǎn)換整個(gè)PDF文件需要小心內(nèi)存溢出的問題，我們這里將第一次載入的整個(gè)PDF文件保存到內(nèi)存，避免每次讀取的時(shí)候都重新載入。

上面已經(jīng)完成了一個(gè) PDF頁面的轉(zhuǎn)換，要完成整個(gè)文件的轉(zhuǎn)換就很簡(jiǎn)單了，只需要拿到文件的總頁碼，然后循環(huán)執(zhí)行就行?？紤]到轉(zhuǎn)換比較耗時(shí)，可以使用異步處理的方式加快速度。比如可以使用 celery來搭配處理，一定注意小心內(nèi)存泄露。

核心代碼已經(jīng)整理放到github上去了，好了，等有時(shí)間的時(shí)候準(zhǔn)備做一個(gè)公共的 PDF轉(zhuǎn)成 H5的服務(wù)，開放給大眾使用。

花了點(diǎn)時(shí)間，做成了一個(gè)獨(dú)立的服務(wù)：https://pdfh5.com，歡迎大家試用

花了點(diǎn)時(shí)間，做成了一個(gè)獨(dú)立的服務(wù)：https://pdfh5.com，歡迎大家試用