Python把PDF的圖片提取出來做新的PDF

海信A2墨水屏,看PDF太小。放大后刷新太慢。所以想用Python把PDF分割每次看一段。
先找了大神的帖子,用PyPDF提取圖像。我的是掃描件,都是灰度圖。灰度圖提取后用OpenCV 處理。再把處理的文件導(dǎo)入到WORD中,生成PDF。也嘗試過用PyPDF直接生成PDF的方案,但是發(fā)現(xiàn)PyPDF中沒有 相關(guān)函數(shù)。后來找了好多PDF的庫,基本要都是讀取PDF的內(nèi)容。所以就只能用先生成Word再生成PDF的方案了。
github代碼

import PyPDF2
import cv2
import numpy as np
import pdb
import win32com


if __name__ == '__main__':
    input1 = PyPDF2.PdfFileReader(open("d:/BaiduYunDownload/test/1.pdf", "rb"))
    pages=input1.getNumPages()
    pic_list = []
    for i in range(pages):
        page_i = input1.getPage(i)
        xObject = page_i['/Resources']['/XObject'].getObject()
        for obj in xObject:
            if xObject[obj]['/Subtype'] == '/Image':
                size = (xObject[obj]['/Width'], xObject[obj]['/Height'])
                data = xObject[obj].getData()
                if xObject[obj]['/ColorSpace'] == '/DeviceRGB':
                    mode = "RGB"
                else:
                    mode = "P"
    
                if xObject[obj]['/Filter'] == '/FlateDecode':
#                    img = Image.frombytes(mode, size, data)
#                    img.save(obj[1:] + ".png")
                     img = np.fromstring(data,np.uint8)
                     img = img.reshape(size[1],size[0])
#                     pdb.set_trace()
                     img = 255-img
                     img = img+1
                     #cut img
                     img = img[:,220:-225]
                     cv2.imwrite("page"+"%05ui"%i+"obj"+obj[1:]+".png",img)
                     pic_list.append("page"+"%05ui"%i+"obj"+obj[1:]+".png")
                     
                elif xObject[obj]['/Filter'] == '/DCTDecode':
#                    img = open(obj[1:] + ".jpg", "wb")
#                    img.write(data)
#                    img.close()
                     img = np.fromstring(data,np.uint8)
                     cv2.imwrite(obj[1:]+".jpg",img)
                elif xObject[obj]['/Filter'] == '/JPXDecode':
#                    img = open(obj[1:] + ".jp2", "wb")
#                    img.write(data)
#                    img.close()
                     img = np.fromstring(data,np.uint8)
                     cv2.imwrite(obj[1:]+".jp2",img)

再把png文件添加到word里


import win32com
from win32com.client import Dispatch, constants
import os
import re

w = win32com.client.Dispatch('Word.Application')
w.Visible=1
doc = w.Documents.Open("d:/BaiduYunDownload/test/1.docx")
notpage=re.compile("page.*png")
j=0
a=os.listdir("d:/BaiduYunDownload/test/")
a.reverse()
for i in a:
        if notpage.match(i)!=None:
          
            doc.InlineShapes.AddPicture("d:/BaiduYunDownload/test/"+i)
          
       
doc.Save()   
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

推薦閱讀更多精彩內(nèi)容