#encoding=utf-8
'''
Created on 2019年11月14日
@author: 瞌睡蟲子
'''
import fitz, os, re
import PyPDF2
def GetPagePic(pdfName,password=None,savePath=None, pageStart="begin", pageEnd="end"):
'''
`提取PDF
`文件名 需要提取图像的PDF文件名
`文件密码 PDF文件密码，如果没有密码则为null
`保存文件名 提取后的文件名
`页面范围 数组形式,[开始页,结束页]，其中"begin"代表第一页,"end"代表最后一页，可以有如下形式["begin",9] 或者 ["begine","end"]
'''
# 打开pdf
doc = fitz.open(pdfName);
if password is not None:
doc.authenticate(password);
# 图片数
pic_count=0;
# 默认存pdf目录
if not savePath:
savePath = os.path.dirname(pdfName);
# 文件名
filName = os.path.basename(pdfName);
filName = filName.split(".")[0];
pageSize = [pageStart,pageEnd];
pageSize=HandlePageSize(pageSize, doc.pageCount);
for pg in pageSize:
imglist = doc.getPageImageList(pg);
for i in imglist:
pic_count+=1;
pix = fitz.Pixmap(doc, i[0]);
fitz.Pixmap(fitz.csRGB, pix).writeImage("%s\%s_%d_%d.%s" % (savePath, filName,(pg+1), pic_count, "png"));
doc.close();
def GetAllPic(pdfName,password=None,savePath=None,picType="png"):
'''
`提取文件中的图像
`文件名 需要提取图像的PDF文件名
`文件密码 PDF文件密码，如果没有密码则为null
`保存路径 保存图片的路径，图片按照PDF文件名_序号的形式保存
`保存类型 保存图片文件的类型，支持PNG、JPG、BMP
'''
# 打开pdf
doc = fitz.open(pdfName);
if password is not None:
doc.authenticate(password);
# 图片数
pic_count=0;
# 默认存pdf目录
if not savePath:
savePath = os.path.dirname(pdfName);
# 文件名
filName = os.path.basename(pdfName);
filName = filName.split(".")[0];
# pageSize=HandlePageSize(pageSize, doc.pageCount);
for pg in range(doc.pageCount):
imglist = doc.getPageImageList(pg);
for i in imglist:
pic_count+=1;
pix = fitz.Pixmap(doc, i[0]);
fitz.Pixmap(fitz.csRGB, pix).writeImage("%s\%s_%d.%s" % (savePath, filName, pic_count, picType));
doc.close();
# 使用正则表达式来查找图片
checkXO = r"/Type(?= */XObject)"
checkIM = r"/Subtype(?= */Image)"
# 打开pdf
doc = fitz.open(pdfName);
if password is not None:
doc.authenticate(password);
# 对象数
lenXREF = doc._getXrefLength();
# 图片数
pic_count=0;
# 默认存pdf目录
if not savePath:
savePath = os.path.dirname(pdfName);
# 文件名
filName = os.path.basename(pdfName);
filName = filName.split(".")[0];
# 遍历每一个对象
for i in range(1, lenXREF):
# 定义对象字符串
text = doc._getXrefString(i);
isXObject = re.search(checkXO, text);
# 使用正则表达式查看是否是图片
isImage = re.search(checkIM, text);
# 如果不是对象也不是图片，则continue
if not isXObject or not isImage:
continue;
pic_count += 1;
# 根据索引生成图像
pix = fitz.Pixmap(doc, i);
# 根据pdf的路径生成图片的名称
fitz.Pixmap(fitz.csRGB, pix).writeImage("%s\%s_%d.%s" % (savePath, filName, pic_count, picType));
pix = None;
doc.close();
def GetPageText(pdfName,password=None, pageStart="begin", pageEnd="end"):
'''
`读取文本
`输出到 将提取的文本保存到变量(返回值)
`文件名 需要读取文本的PDF文件名
`文件密码 PDF文件密码，如果没有密码则为null
`页面范围 数组形式,[开始页,结束页]，其中"begin"代表第一页,"end"代表最后一页，可以有如下形式["begin",9] 或者 ["begine","end"]
'''
# 打开一个PDF文件，doc为Document类型，是一个包含每一页PDF文件的列表
doc = fitz.open(pdfName);
if password is not None:
doc.authenticate(password);
pageSize = [pageStart,pageEnd];
pageSize=HandlePageSize(pageSize, doc.pageCount);
pageContent=[];
for pg in pageSize:
pageContent.append(fitz.utils.getPageText(doc, pg).strip());
return pageContent;
doc.close();
def PageSaveToPic(pdfName,password=None,savePath=None, pageStart="begin", pageEnd="end"):
'''
`导出页码为图片
`文件名 需要导出成图像的PDF文件名
`文件密码 PDF文件密码，如果没有密码则为null
`保存文件名 保存图片的路径
`导出页码 需要导出成图像的页码
'''
# 打开一个PDF文件，doc为Document类型，是一个包含每一页PDF文件的列表
doc = fitz.open(pdfName);
if password is not None:
doc.authenticate(password);
# 设置图片的旋转角度
# 设置图片相对于PDF文件在X轴上的缩放比例
trans = fitz.Matrix(2.0, 2.0).preRotate(0);
# 默认存pdf目录
if not savePath:
savePath = os.path.dirname(pdfName);
# 文件名
filName = os.path.basename(pdfName);
filName = filName.split(".")[0];
pageSize = [pageStart,pageEnd];
# 页码处理
pageSize=HandlePageSize(pageSize, doc.pageCount);
for pg in pageSize:
pm = fitz.utils.getPagePixmap(doc, pg, matrix=trans, alpha=False);
pm.writeImage("%s\%s_%d.%s" % (savePath, filName, (pg+1), "png"));
doc.close();
def PageCount(pdfName,password=None):
'''
`获取总页数
`输出到 将总页数保存到变量(返回值)
`文件名 PDF文件名
`文件密码 PDF文件密码，如果没有密码则为null
'''
# 打开一个PDF文件，doc为Document类型，是一个包含每一页PDF文件的列表
doc = fitz.open(pdfName);
if password is not None:
doc.authenticate(password);
pageCount = doc.pageCount
doc.close();
return pageCount;
def PdfMerge(pdfPath,saveName):
'''
`合并PDF
`文件列表 数组类型，需要合并的文件路径列表
`保存文件名 合并后的文件名
'''
if type(pdfPath) == list and len(pdfPath)< 2:
raise Exception('无法合并单个PDF文件');
output = PyPDF2.PdfFileWriter()
outputPages = 0
for pdf_file in pdfPath:
f=open(pdf_file, "rb");
# 读取源PDF文件
inp = PyPDF2.PdfFileReader(f);
# 获得源PDF文件中页面总数
pageCount = inp.getNumPages();
outputPages += pageCount;
# 分别将page添加到输出output中
for iPage in range(pageCount):
output.addPage(inp.getPage(iPage));
# 写入到目标PDF文件
outputStream = open(saveName, "wb");
output.write(outputStream);
outputStream.close();
def HandlePageSize(pageSize, pageCount):
# if type(pageSize) == int:
# if pageSize < 1:
# raise Exception('开始页码从1开始');
# elif pageSize > pageCount:
# raise Exception('开始页码必须小于结束页码');
# return [pageSize-1];
if type(pageSize) == list and len(pageSize) == 2:
for i in range(len(pageSize)):
temp=pageSize[i];
if type(temp) == str:
temp = temp.lower();
if temp == "begin":
pageSize[i] = 1;
elif temp == "end":
pageSize[i] = pageCount;
else:
raise Exception('页码必须是数字');
elif type(temp) == int:
if temp < 1:
raise Exception('页码必须大于1');
else:
raise Exception('页码必须是数字');
if pageSize[0] < 1:
raise Exception('开始页码从1开始');
elif pageSize[0] > pageCount:
raise Exception('开始页码必须小于结束页码');
if pageSize[1] > pageCount:
pageSize[1] = pageCount;
pageSize[0] = pageSize[0] - 1;
return range(*tuple(pageSize));
else:
raise Exception('页码参数错误');
# return [i-1 for i in pageSize];
# if type(pageSize) == str and pageSize.lower() == "begin" :
# return [0];
# if type(pageSize) == str and pageSize.lower() == "end" :
# return [pageCount - 1];
if __name__ == '__main__':
print(type(0))
# PdfMerge([r"C:\Users\Administrator\Desktop\aa\xxx.pdf",r"C:\Users\Administrator\Desktop\aa\xxxxxx.pdf"], r"C:\Users\Administrator\Desktop\bb\bb.pdf");
# PageSaveToPic(r"C:\Users\Administrator\Desktop\aa\xxx.pdf",savePath=r"C:\Users\Administrator\Desktop\bb", pageSize=["begin","end"]);
# GetPagePic(r"C:\Users\Administrator\Desktop\aa\xxx.pdf", savePath=r"C:\Users\Administrator\Desktop\bb", pageSize=["begin","end"])
# GetAllPic(r"C:\Users\Administrator\Desktop\aa\xxx.pdf",savePath=r"C:\Users\Administrator\Desktop\bb",picType="bmp");
# text=GetPageText(r"C:\Users\Administrator\Desktop\aa\xxx.pdf", pageSize=[5,1]);
# print(text);
# print(PageCount(r"C:\Users\Administrator\Desktop\aa\xxx.pdf"));
# print(HandlePageSize(1,100));
# print(HandlePageSize(["begin","end"],100));
# print(HandlePageSize(["end","begin"],100));
# print(HandlePageSize([1,3,4,"end",6],100));
PDF操作
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
- 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
