人上了年紀就容易回憶過去，淡淡的憂愁……這裏不禁吐槽，誰說的擺地攤沒城管管的，你出來，我保證不打死你！玩了一晚上搬家遊戲，哎，還是老老實實回來敲代碼吧。
本來這篇我們要接着將Sanic框架的websocket服務的，但是爲了防止枯燥無味，我們先來實現一下對PDF文件的提取，一般PDF裏基本都是圖片形式的，我們就選擇PyMuPdf庫來實現，首先來安裝一下要使用的庫PyMuPdf和opencv：
#安裝PyMuPdf
pip install PyMuPdf
#安裝opencv圖像處理庫
pip install opencv-python
這裏爲什麼使用opencv呢，這裏有我自己的原因，我以後想把提取出來的圖片進入文字識別，opencv能方便的把圖片處理成識別需要的數據格式，你也可以用PIL來處理圖片。
來，接着繼續，小二上代碼：
#coding:utf-8
import fitz,cv2,uuid
import numpy as np
class Pdf():
def __int__(self):
pass
def pdf2pic(self,filename):
try:
#加載讀取pdf文件
doc = fitz.open(filename)
#循環提取pdf頁面
for i in range(doc.pageCount):
# 獲取當前頁內容
page = doc[pageCount]
# 縮放及旋轉
zoom = 3
rotate = 0
trans = fitz.Matrix(zoom, zoom).preRotate(rotate)
pm = page.getPixmap(matrix=trans, alpha=False)
# 這裏獲取到數據流，看了下源碼，下面可以直接用getPNGdata()
getpngdata = pm.getImageData(output="png")
# 解碼爲 np.uint8
image_array = np.frombuffer(getpngdata, dtype=np.uint8)
img_cv = cv2.imdecode(image_array, cv2.IMREAD_ANYCOLOR)
# 保存爲圖片測試看看
filename='{}_{}.png'.format(pageCount,uuid.uuid4())
cv2.imwrite('app\\files\\{}'.format(filename), img_cv)
except Exception as e:
print(e)
return filename
if __name__=='__main__':
path='app\\files\\test.pdf'
p=Pdf()
p.pdf2pic(path)
這裏我創建了一個類文件來實現提取的方法，看上面的代碼其實很簡單，這裏我不太多的講了，但有幾個地方我要重點說下，在實際開發中肯定會用到：
1.其中的getImageData方法，這是獲取數據流的格式，有什麼用？比如你針對PDF文件提取後做圖像識別，在過程中不想將圖片保存後再去識別，那這裏就是關鍵了，我們在結合cv2直接將提取的數據流轉換成識別需要的數據格式，提高執行的效率及資源的佔用.
2.fitz.open(filename)這裏是打開pdf本地文件，實現在線pdf文件的處理，我們一般的處理過程是上傳文件，將文件保存後在調用這個文件執行，但是這種方式太low了，對我們這些立志成爲大牛的級別的人來說是不屑的，那怎麼直接轉換數據呢，我們可以跟蹤一下這個open的方法：
繼續跟進：
看到沒有，處理了加載文件路徑，還可以直接使用文件流，那這就方便了，不需要我們將文件保存下來在執行了，使用方法就是：
#比如我從瀏覽器上傳了pdf文件，我們用request接收了文件
file = request.files.get('file')
#直接傳遞文件流數據
doc = fitz.open('type',file.body)
這樣就不要將圖片保存下來後再去處理，節約了時間和資源，我們運行看看：
嗯，我感覺行～～！
好了，這篇的內容就到這裏結束了，嗯，感覺好睏，去睡個覺！
什麼是江湖？煩惱不斷，爲生活奔波！江湖不說再見，咱們下篇見！
關注公衆號，超越平凡才能成就自我