这篇文章主要介绍了Python PyMuPDF如何实现PDF与图片和PPT相互转换的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Python PyMuPDF如何实现PDF与图片和PPT相互转换文章都会有所收获，下面我们一起来看看吧。
安装与简介
安装：pip install PyMuPDF
MuPDF
MuPDF是一个轻量级的PDF、XPS和电子书查看器。MuPDF由软件库、命令行工具和各种平台的查看器组成:
-
支持多种文档格式：如PDF、XPS、OpenXPS、CBZ、EPUB和FictionBook 2。
-
命令行工具可注释、编辑文档，并将文档转换为其他格式：如HTML、SVG、PDF和CBZ。
PyMuPDF
PyMuPDF是MuPDF的Python接口库：
-
可访问扩展名为“.pdf”、“.xps”、“.oxps”、“.cbz”、“.fb2”或“.epub”的文档；
-
可像文档样处理流行图像格式：“.png”，“.jpg”，“.bmp”，“.tiff”等
对于所有支持的文档类型可以：
解密文件
访问元信息、链接和书签
以栅格格式（PNG和其他格式）或矢量格式SVG呈现页面
搜索文本
提取文本和图像
转换为其他格式：PDF, (X)HTML, XML, JSON, text
对于PDF文档，存在大量的附加功能，可以：创建、合并或拆分。页面可以通过多种方式插入、删除、重新排列或修改(包括注释和表单字段)。
可以提取或插入图像和字体
完全支持嵌入式文件
pdf文件可以重新格式化，以支持双面打印，色调分离，应用标志或水印
完全支持密码保护:解密、加密、加密方法选择、权限级别和用户/所有者密码设置
支持图像、文本和绘图的PDF可选内容概念
可以访问和修改低级PDF结构
PyMuPDF使用
通过open可打开文档（Document对象）：
import fitz
doc = fitz.open(filename)
# ...
doc.save('file')
doc.close()
Document中发主要方法与属性：
| 方法/属性 | 描述 |
|---|---|
| Document.page_count | 页数 (int) |
| Document.metadata | 元数据 (dict) |
| Document.get_toc() | 获取目录 (list) |
| Document.load_page() | 读取页面 |
对于PDF文档，有以下页面操作方法：
-
删除页面：Document.delete_page()和Document.delete_pages()
-
复制或移动页面：Document.copy_page()、Document.fullcopy_page()和Document.move_page()
-
选择页面（只保留选择范围内的页面）：Document.select()
-
插入新页：Document.insert_page()和Document.new_page()，以及Document.insert_pdf()
元数据
Document.metadata是一个具有以下键的Python字典。
| Key | Value |
|---|---|
| producer | producer (producing software) |
| format | format: ‘PDF-1.4’, ‘EPUB’, etc. |
| encryption | encryption method used if any |
| author | 作者 |
| modDate | 最后修改日期 |
| keywords | 关键字 |
| title | 标题 |
| creationDate | 创建日期 |
| creator | creating application |
| subject | subject |
页面Page
页面是MuPDF的核心：
• 可以将页面呈现为光栅或矢量（SVG）图像，可以选择缩放、旋转、移动或剪切页面。
• 可以提取多种格式的页面文本和图像，并搜索文本字符串。
• 对于PDF文档，可以使用更多的方法向页面添加文本或图像。
从Document中获取页面，页面索引：
第一页为0；
负数表示从末尾倒数：如doc[-1]表示获取最后一页；
# pno是页面索引 page = doc.load_page(pno) # or page = doc[pno]
页面操作方法：
page.get_links()：获取页面中的连接（返回字典）；
page.annots()：获取注释；
page.widgets()：获取表单；
pix = page.get_pixmap()：获取光栅图像（整个页面作为一个图像）；
pix.save('page.jpg')：保存为图像；
page.get_svg_image()：获取矢量图像；
page.get_text(opt)：获取文本，opt可为：
-
“text”：（默认）带换行符的纯文本（无格式、无文字位置详细信息、无图像）；
-
“blocks”：生成文本块（段落）的列表；
-
“words”：生成单词列表（不包含空格的字符串）；
-
“html”：创建页面的完整视觉版本，包括任何图像；
-
“dict”/“json”：与HTML相同的信息级别，但作为Python字典或JSON字符串。
-
“rawdict”/“rawjson”：“dict”/"json"的超级集合。它还提供诸如XML之类的字符详细信息。
-
“xhtml”：文本信息级别与文本版本相同，但包含图像。
-
“xml”：不包含图像，但包含每个文本字符的完整位置和字体信息，使用XML模块进行解释。
page.search_for("txt")：搜索文本
代码示例
PDF转图片
通过get_pixmap获取每页PDF为图片，然后保存即可。其中zoom用于控制生成图片的缩放比例。
import fitz
def pdf2image(pdfFile, storePath, zoom=2.0):
doc = fitz.open(pdfFile)
picName = os.path.splitext(os.path.basename(pdfFile))[0]
index = 0
os.makedirs(storePath, exist_ok=True)
images = []
print(f"To convert: {pdfFile}")
for pg in range(doc.page_count):
page = doc[pg]
index += 1
rotate = int(0)
print(f"\tconvert page {index}")
# 每个尺寸的缩放系数(提高生成分辨率)
zoom_x, zoom_y = zoom, zoom
mat = fitz.Matrix(zoom_x, zoom_y)
pm = page.get_pixmap(matrix=mat, alpha=False)
imgName = '{}-{}.jpg'.format(picName, index)
imgFile = os.path.join(storePath, imgName)
pm.save(imgFile)
images.append(imgFile)
doc.close()
return images
图片转PDF
把图片插入到新建页中（插入位置使用页面框，即填充整个页面）
def image2pdf(imgDir, pdfFile, width=595, height=842):
doc = fitz.open()
print("To convert image to PDF:")
for img in sorted(glob.glob("{}/*".format(imgDir))):
print(f"\tAdd image {img}")
page = doc.new_page(width=width, height=height)
page.insert_image(page.rect, filename=img) # 将当前页插入文档
doc.save(pdfFile)
print(f"PDF save to {pdfFile}")
doc.close()
PDF转PPT
转PPT时需要用到pptx库：pip install python-pptx
先把PDF转为图片，然后把每张图片生成一个幻灯片页面（PPT页面大小有width与height控制）
import fitz import pptx from pptx.util import Inches def pdf2pptx(pdfFile, pptFile, imgPath, width=10, height=7.5, zoom=2.0): images = pdf2image(pdfFile, imgPath, zoom) ppt = pptx.Presentation() for i in images: layout = ppt.slide_layouts[0] # 定义一个PPT页面样式 slide = ppt.slides.add_slide(layout) slide.shapes.add_picture( image_file=i, left=Inches(0), top=Inches(0), width=Inches(width), height=Inches(height) ) ppt.save(pptFile) shutil.rmtree(imgPath)
支付宝扫一扫
微信扫一扫
