【小技巧】PDF转图片--python代码高清版

问题场景：

在某些场景中，我们需要将PDF转换为图片的格式进行处理，现有指令【将PDF指定页另存为图片】可以实现这个功能。

但是，使用这个指令转换出来的图片，在清晰度上是有所损耗的。而这对某些对清晰度有高要求的场景来说，是不能接受的。（例如一页PDF上有40张条形码，使用这个指令转换出来的结果就会变得很模糊）

在这里我用滴滴的行程单做一个比对：

PDF原文件截图👇

用【将PDF指定页另存为图片】转换后的图片截图👇

可以发现，清晰度还是差比较多的，而且这还是在PDF文件数据量不大的情况下。

解决方案：

1. 用第三方工具进行解决（例如WPS会员）。
• 优点：能高清晰度完美地进行转换。  
• 缺点：需要开通会员，且需要先手动转换，再去跑流程，客户也觉得会有点麻烦。
2. 在流程中调用Python模块，利用python代码解决。
• 优点：能完美契合插入各个流程中，且拥有很高的清晰度（可以通过调整DPI进行自由设置）。
• 缺点：受限于pdf使用的字体和渲染引擎，尝试了各种python库，均无法完美地进行转换还原（体现在会改变某些字体符号的样式）

综上所述，在使用 pdf2image 库和 PyMuPDF 库之后，发现使用 PyMuPDF 库的转换效果最好，所以我们可以尝试借助这个库来实现PDF转图片的功能。

实现步骤：

• 第一步：在客户端安装 PyMuPDF 库

• 第二步：添加python模块，插入以下代码

import fitz  # PyMuPDF
import os

def convert_pdf_to_images(pdf_path, output_folder, prefix, dpi=600, fmt='png', pages=None):
    # 打开PDF文件
    doc = fitz.open(pdf_path)

    # 确保输出文件夹存在
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)

    # 设置转换选项
    zoom = dpi / 72  # PyMuPDF的基本DPI是72
    mat = fitz.Matrix(zoom, zoom)

    # 如果 pages 参数为 None 或者是空列表，则转换所有页面
    if not pages:
        page_numbers = range(doc.page_count)
    else:
        # 确保 pages 是列表
        if isinstance(pages, int):
            pages = [pages]
        # 转换为从 0 开始的索引
        page_numbers = [p - 1 for p in pages]

    # 遍历指定的页面编号
    for page_num in page_numbers:
        # 获取单独的页面
        page = doc[page_num]

        # 获取页面的pixmap对象，这是页面的图像表示
        pix = page.get_pixmap(matrix=mat)

        # 定义输出路径
        image_path = os.path.join(output_folder, f"{prefix}_{page_num + 1}.{fmt}")

        # 保存图像
        pix.save(image_path)

        # 输出保存信息
        print(f"Saved {prefix} {page_num + 1} as '{image_path}'")

    # 关闭文档
    doc.close()


# 参数说明
# pdf_path：PDF文件路径
# output_folder：输出文件夹路径
# prefix ：输出图片文件的前缀名
# dpi：越高清晰度越高，但同时生成的文件大小也越大。默认为600
# fmt：输出图片的格式，默认为PNG
# pages：指定转换图片的页码，可整数，也可列表。默认为None，转换PDF的所有页

• 第三步：调用python模块，设置输入参数

输入参数说明：

# pdf_path：PDF文件路径

# output_folder：输出文件夹路径

# prefix ：输出图片文件的前缀名

# dpi：越高清晰度越高，但同时生成的文件大小也越大。默认为600

# fmt：输出图片的格式。默认为PNG

# pages：指定转换图片的页码，可整数，也可列表。默认为None，转换PDF的所有页

效果比对：

下方依次是PDF原文件截图、python代码转换（dpi600）、官方原有指令三者的效果对比

转换的清晰度还是有很明显的提升。

但是正如我上面所说，受限于pdf使用的字体和渲染引擎，在某些时候python代码并没有办法做到完美还原。如下图：👇

（左图为原文件，右图为转换图片）

所以大家可以根据实际情况进行尝试和使用。