用Python玩转PDF：批量提取图片并存储到指定文件夹的高效方法

在日常工作中，小李经常需要从大量的PDF文档中提取图片。这些PDF可能是项目报告、设计稿或者扫描件，而手动提取图片显然是一项耗时又低效的工作。于是，他决定借助Python来解决这个问题。今天，我们就跟随小李的脚步，一起学习如何用Python批量提取PDF中的图片，并将其存储到指定文件夹。

准备工作

首先，小李安装了两个关键的库：PyPDF2 和 PIL（Pillow）。这两个库分别用于解析PDF文件和处理图片。如果尚未安装，可以通过以下命令快速完成：

pip install PyPDF2 Pillow

代码实现

接下来，小李编写了一个简单的脚本，用于遍历PDF文件中的所有页面，提取其中的图片并保存到指定目录。以下是完整的代码：

import os
from PyPDF2 import PdfReader
from PIL import Image
import io

def extract_images_from_pdf(pdf_path, output_folder):
        # 创建输出文件夹
        if not os.path.exists(output_folder):
                os.makedirs(output_folder)

        pdf = PdfReader(pdf_path)
        page_count = len(pdf.pages)
        image_count = 0

        for page_num in range(page_count):
                page = pdf.pages[page_num]
                if '/XObject' in page['/Resources']:
                        xObject = page['/Resources']['/XObject'].get_object()

                        for obj in xObject:
                                if xObject[obj]['/Subtype'] == '/Image':
                                         size = (xObject[obj]['/Width'], xObject[obj]['/Height'])
                                         data = xObject[obj].get_data()
                                         image = Image.open(io.BytesIO(data))
                                         image_path = os.path.join(output_folder, f"image_{image_count}.png")
                                         image.save(image_path)
                                         image_count += 1

if __name__ == "__main__":
        pdf_file = 'example.pdf' # PDF文件路径
        output_dir = 'extracted_images' # 输出文件夹
        extract_images_from_pdf(pdf_file, output_dir)

运行效果

小李将上述代码保存为一个Python脚本，并运行它。很快，所有的图片都被成功提取出来，并整齐地存放在指定的文件夹中。这一过程不仅节省了大量的时间，还避免了人为操作可能带来的错误。

进一步优化

虽然这个脚本已经非常实用，但小李还想让它更加智能。例如，支持批量处理多个PDF文件，或者根据图片类型自动命名。经过一番努力，他成功实现了这些功能，并将代码分享到了GitHub上，供更多人使用。

总结

通过这次实践，小李深刻体会到了Python的强大与灵活。无论是数据处理还是自动化任务，Python都能轻松胜任。如果你也遇到类似的需求，不妨试试这种方法，相信你会有同样的惊喜！