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，但是需要看的時候不是很方便，需要去找到這個文件，如果是在手機上的話往往還需要下載 PDF相關的插件才行，而且最大的問題是不便于資料的整理和分享。如果能夠將 PDF轉換成網(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，我這里直接將一個頁面轉換成圖片，就不需要去識別頁面中的每一個 PDF元素了，這是沒必要的。

轉換

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

# -*- 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，如果一次性轉換整個PDF文件需要小心內存溢出的問題，我們這里將第一次載入的整個PDF文件保存到內存，避免每次讀取的時候都重新載入。

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

上面已經(jīng)完成了一個 PDF頁面的轉換，要完成整個文件的轉換就很簡單了，只需要拿到文件的總頁碼，然后循環(huán)執(zhí)行就行?？紤]到轉換比較耗時，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，一定注意小心內存泄露。

核心代碼已經(jīng)整理放到github上去了，好了，等有時間的時候準備做一個公共的 PDF轉成 H5的服務，開放給大眾使用。

花了點時間，做成了一個獨立的服務：https://pdfh5.com，歡迎大家試用

花了點時間，做成了一個獨立的服務：https://pdfh5.com，歡迎大家試用