利用Python 优雅的将PDF 转换成图片
source link: https://www.qikqiak.com/post/python-convert-pdf-images/
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
利用Python 优雅的将PDF 转换成图片-阳明的博客|Kubernetes|Istio|Prometheus|Python|Golang|云原生
普吉岛@泰国 JAN 6,2017
之前收集了很多优秀的PDF文档，但是需要看的时候不是很方便，需要去找到这个文件，如果是在手机上的话往往还需要下载PDF相关的插件才行，而且最大的问题是不便于资料的整理和分享。如果能够将PDF转换成网页，岂不是就能解决这些问题了？还能直接分享出去。
这里利用PyPDF包来处理PDF文件，为了方便快捷，我这里直接将一个页面转换成图片，就不需要去识别页面中的每一个PDF元素了，这是没必要的。
核心代码很简单，就是将PDF文件读取出来，转换成PdfFileReader，然后就可以根据PyPDF2的API去获得每一个页面的二进制数据，拿到二进制数据过后，就能很方便的进行图片处理了，这里用wand包来进行图片处理。
# -*- coding: utf-8 -*-
import io
from wand.image import Image
from wand.color import Color
from PyPDF2 import PdfFileReader, PdfFileWriter
memo = {}
def getPdfReader(filename):
reader = memo.get(filename, None)
if reader is None:
reader = PdfFileReader(filename, strict=False)
memo[filename] = reader
return reader
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文件较大，如果一次性转换整个PDF文件需要小心内存溢出的问题，我们这里将第一次载入的整个PDF文件保存到内存，避免每次读取的时候都重新载入。
上面已经完成了一个PDF页面的转换，要完成整个文件的转换就很简单了，只需要拿到文件的总页码，然后循环执行就行。考虑到转换比较耗时，可以使用异步处理的方式加快速度。比如可以使用celery来搭配处理，一定注意小心内存泄露。
核心代码已经整理放到github上去了，好了，等有时间的时候准备做一个公共的PDF转成H5的服务，开放给大众使用。
花了点时间，做成了一个独立的服务：https://pdfh5.com，欢迎大家试用
pdfh5.com
微信公众号
扫描下面的二维码关注我们的微信公众帐号，在微信公众帐号中回复◉加群◉即可加入到我们的 kubernetes 讨论群里面共同学习。
「真诚赞赏，手留余香」
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK