有时我们需要将一份或者多份PDF文件中的图片提取出来，如果采取在线的网站实现的话又担心图片泄漏，手动操作又觉得麻烦，其实用Python也可以轻松搞定！有一个简单的方法是通过大小过滤，pix 像素在 fitz 库中存在一个重要的方法 pix.size 可以反映像素多少，简单的色素块该值较低，可以通过设置一个阈值过滤。以阈值 10000 为例过滤：可以看到，全部图片都被正常提取！基于 pdf2image 库的两种方法一看名字就知道这个库的用处了，官方文档为可以简单通过。具体发挥作用的代码官方文档也给出了详细的说明：那么我们就分别尝试这两种方法：可以成功提取图片。再试试第二种方法：可以看到结果和之前一致，PDF中全部图片都被提取出来！
暂无评论