Python实现文字pdf转换图片pdf效果

前言

为什么会做这个？

因为我们把word转化为pdf，wps默认转化为文字pdf，而图片pdf要会员。

网上确实也有网站可以实现免费的，但是未必安全。

思路

我看了网上的很多代码，都是先把文字pdf先转化为图片，然后再组装成pdf文档。我的思路也是这样的。

但是我和他们很大的不一样就是，我不需要先把图片保存起来再提取，而我只需要把图片的信息先存起来，再输出pdf。

代码展示

先安装依赖

pip install PyMuPDF

输入文件列表

import os
import fitz

def single_wordpdf_to_imgpdf(pdf_path: str):
   pdf = fitz.open(pdf_path)   # 打开pdf目录
   pdf_img = fitz.open()       # 打开空文件，用来存图片pdf
   for page_inf in pdf:
       definition = 3    # 清晰度，感觉输出的pdf不够清晰，可以调大，调大，文件大小也会变大
       matrix = fitz.Matrix(definition, definition)
       img = page_inf.get_pixmap(matrix=matrix).tobytes()
       img = fitz.open("png", img)
       pdf_bytes = img.convert_to_pdf()
       pdf_img.insert_pdf(fitz.open("pdf", pdf_bytes))
   pdf_img.save("图片pdf_" + os.path.basename(pdf_path))

def group_wordpdf_to_imgpdf(path_array: list[str]):
   for pdf_path in path_array:
       print(pdf_path, "转换中...")
       single_wordpdf_to_imgpdf(pdf_path)
   print("完成")

if __name__ == '__main__':
   path = ["xxx.pdf"]
   group_wordpdf_to_imgpdf(path)

输入文件夹

import os
import fitz
import time

def single_wordpdf_to_imgpdf(pdf_path: str):
   pdf = fitz.open(pdf_path)   # 打开pdf目录
   pdf_img = fitz.open()       # 打开空文件，用来存图片pdf
   for page_inf in pdf:
       definition = 3    # 清晰度，感觉输出的pdf不够清晰，可以调大，调大，文件大小也会变大
       matrix = fitz.Matrix(definition, definition)
       img = page_inf.get_pixmap(matrix=matrix).tobytes()
       img = fitz.open("png", img)
       pdf_bytes = img.convert_to_pdf()
       pdf_img.insert_pdf(fitz.open("pdf", pdf_bytes))
   if not os.path.exists("output"):
       os.makedirs("output") # 处理好的pdf存入了output目录下 #
   pdf_img.save("output/图片pdf_" + os.path.basename(pdf_path))

def group_wordpdf_to_imgpdf(path_array: list[str]):
   for pdf_path in path_array:
       print(pdf_path, "转换中...")
       single_wordpdf_to_imgpdf(pdf_path)
   print("完成")

def folder_pdf_files(folder: str) -> list[str]:  # 一个文件夹里面有多少pdf文件
   file_list = []
   for a, b, c in os.walk(folder):
       if b == []:
           for filename in c:
               if filename[-3:].lower() == 'pdf':
                   file_path = os.path.join(a, filename)
                   file_list.append(file_path)
   print(folder, ": 有", len(file_list), "个pdf文件")
   return file_list

if __name__ == '__main__':
   time_start = time.time()
   path_list = folder_pdf_files("目录")
   group_wordpdf_to_imgpdf(path_list)
   time_end = time.time()
   print("程序运行时间：", round(time_end - time_start, 2), "秒")

来源：https://blog.csdn.net/qq_45019494/article/details/123741012