提取 pdf 中图片

如题，将 pdf 中的图片提取出来

话不多说，代码如下：

import fitz
import time
import re
import os


def pdf2pic(path, pic_path):
	t0 = time.clock()  # 生成图片初始时间
	checkXO = r"/Type(?= */XObject)"  # 使用正则表达式来查找图片
	checkIM = r"/Subtype(?= */Image)"
	doc = fitz.open(path)  # 打开pdf文件
	imgcount = 0  # 图片计数
	lenXREF = doc._getXrefLength()  # 获取对象数量长度

	# 打印PDF的信息
	print("文件名:{}, 页数: {}, 对象: {}".format(path, len(doc), lenXREF - 1))

	# 遍历每一个对象
	for i in range(1, lenXREF):
		text = doc._getXrefString(i)  # 定义对象字符串
		isXObject = re.search(checkXO, text)  # 使用正则表达式查看是否是对象
		isImage = re.search(checkIM, text)  # 使用正则表达式查看是否是图片
		if not isXObject or not isImage:  # 如果不是对象也不是图片，则continue
			continue
		imgcount += 1
		pix = fitz.Pixmap(doc, i)  # 生成图像对象
		new_name = "图片{}.png".format(imgcount)  # 生成图片的名称
		if pix.n < 5:  # 如果pix.n<5,可以直接存为PNG
			pix.writePNG(os.path.join(pic_path, new_name))
		else:  # 否则先转换CMYK
			pix0 = fitz.Pixmap(fitz.csRGB, pix)
			pix0.writePNG(os.path.join(pic_path, new_name))
			pix0 = None
		pix = None  # 释放资源
		t1 = time.clock()  # 图片完成时间
		print("运行时间:{}s".format(t1 - t0))
		print("提取了{}张图片".format(imgcount))


if __name__ == '__main__':
	path = '//mac/Home/Desktop/test/test/test.pdf'
	pic_path = r'\\Mac\Home\Desktop\test\test1'
	# 创建保存图片的文件夹
	if os.path.exists(pic_path):
		print("文件夹已存在，不必重新创建！")
		pass
	else:
		os.mkdir(pic_path)
	pdf2pic(path, pic_path