python将pdf转换图片

一：python将pdf转换图片（进程）

# -*- coding:utf-8 -*-
# Author :  yyzhang56
# 所有的图片与PDF转换的操作都在这里进行定义

from multiprocessing import Pool
# 安装fitz需要安装PyMuPDF才能使用
import fitz
import os


tmp = r'C:\Users\Downloads\'   #pdf路径

export_file=r"D:\new_dates\数据"

save_path=r"D:\new_dates\ocr_result"
os.makedirs(export_file,exist_ok=True)
pdf_dir = [i for i in os.listdir(tmp) if os.path.splitext(i)[-1] == ".pdf"]
def pdf_to_jpg(name):
    # lock.acquire()
    #拼接pdf的文件路径
    pwd_name=os.path.join(tmp,name)
    doc=fitz.open(pwd_name)
    # 将文件名同我们的保存路径拼接起来（保存图片的文件夹）
    dir_name=os.path.splitext(name)[0]
    pdf_name = os.path.join(export_file,  dir_name)
    # print(pdf_name)
    temp = 0
    #（保存图片的文件夹）不存咋则生成
    # exsitsdir.judge(pdf_name)
    os.makedirs(pdf_name,exist_ok=True)
    for pg in range(doc.pageCount):
        page = doc[pg]
        temp += 1
        rotate = int(0)
        # 每个尺寸的缩放系数为2，这将为我们生成分辨率提高四倍的图像。
        zoom_x = 2.0
        zoom_y = 2.0
        trans = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)
        pm = page.getPixmap(matrix=trans, alpha=False)

        pic_name = '{}.jpg'.format(temp)
        #拼接生成pdf的文件路径
        pic_pwd = os.path.join(pdf_name, pic_name)
        # print(pic_pwd)
        pm.writePNG(pic_pwd)

def main():
    pool = Pool(10)
    for i in pdf_dir:
        res = pool.apply_async(pdf_to_jpg, (i,))
    pool.close()
    pool.join()



if __name__ == '__main__':

    main()       #需要pdf切图就开启

二：图片转pdf

#Author：yyzhang56
from PIL import Image
import os
from PyPDF2 import PdfFileReader, PdfFileWriter
# 单张图片转pdf
# img = Image.open('优化.png')
# img.save('pypdf01.pdf', 'PDF')  # 通过PIL库保存为pdf格式

# 多张图片转pdf
# ilst = ['D:/docOfStu/pypdf2-mindmap-01.jpg', 'D:/docOfStu/pypdf2-mindmap-02.jpg']  # 图片列表
path=r"C:\Users\Desktop\pdf\tif_pic"
ilst=os.listdir(path)
out_pdf = PdfFileWriter()
sdfs=[os.path.join(path,i) for i in ilst ]
print(sdfs)
for f in sdfs:
    img = Image.open(f)
    fw = f.replace('.png', '.pdf')
    img.save(fw)
    out_pdf.appendPagesFromReader(PdfFileReader(
        open(fw, 'rb')))  # 也可拆这句为 sc_pdf=PdfFileReader(open(fw,'rb')); out_pdf.addPage(sc_pdf.getPage(0))
out_pdf.write(open('./pypdf2.pdf', 'wb'))

三：pdf转docx

import os
from pdf2docx import Converter

'''
author--yyzhang
'''

pdf_path = r"C:\Users\Desktop\pdf\files"  # pdf路径
docx_path = r"C:\Users\Desktop\pdf\docx"  # 保存docx路径
# 如果保存的路径不存在可以自动生成
if os.path.exists(docx_path):
    pass
else:
    os.makedirs(docx_path)

pdf_files = os.listdir(pdf_path)
# 遍历pdf路径下的文件
for pdf_file in pdf_files:
    if pdf_file.endswith(".pdf") or pdf_file.endswith(".PDF"):
        head_name = os.path.splitext(pdf_file)[0]   #获取文件名
        docx_name = head_name + ".docx"             #创建docx名称
        file_path = os.path.join(pdf_path, pdf_file)    #获取pdf绝对路径
        docx_file_path = os.path.join(docx_path, docx_name)   #获取docx绝对路径
        cv = Converter(file_path)
        cv.convert(docx_file_path, start=0, end=None)
        cv.close()