使用PyMuPdf提取、刪除及替換PDF中的圖片文件

有時候想把PDF中的圖片文件提取出來，身爲程序員的我當然是自己寫段代碼來實現，先看看了網上的方法，都是逐行遍歷，正則匹配來提取什麼的，其實沒有那麼複雜，PyMuPdf官方文檔裏自帶就有提取圖片文件的方法，非常簡單，下來用代碼來記錄下：

1.提取圖片

#coding:utf-8
import fitz,os
doc = fitz.open('E:\\files\\25109878.pdf')
imgcount=0
for page in doc:
    imageList = page.getImageList()
    print(imageList)
    for imginfo in imageList:
        pix = fitz.Pixmap(doc, imginfo[0])
        pix.writePNG(os.path.join("test\\t_{}.png".format(imgcount)))
        imgcount+=1

短短几行代碼聊表心意，通過page.getImageList()提取到圖片列表信息，然後在使用fitz.Pixmap提取對應的圖片內容，就是這麼簡單，我們來提取下一張發票裏的圖片：

電子發票裏基本都是文字形式的，只有二維碼和下方印章的圖片，執行上面的代碼看看:

2.刪除PDF中的圖片部分

在官方文檔裏我沒看到，但是在它的庫文件有這個方法:

這個xref對應的應該是圖片所在位置的行數

#coding:utf-8
import fitz,os
doc = fitz.open('E:\\files\\25109878.pdf')
imgcount=0
for page in doc:
    imageList = page.getImageList()
    print(imageList)
    for imginfo in imageList:
        #刪除圖片
        doc._deleteObject(imginfo[0])
#重新保存PDF
doc.save('111.pdf')

我們來執行看下：

很明顯圖片部分已經刪除掉了！

3、替換圖片

關於這塊由於時間原因沒有過多的去研究，這裏面有個問題就是，怎麼讓自己的圖片按照PDF中顯示的位置及大小進行替換，稍微看下了官方文檔，裏面只有個insertImage這個方法是插入圖片，但是其中有個rect的參數（top,left，wight,height）,這幾個參數我沒太搞明白怎麼獲取到原始圖片的位置及大小，因爲有可能圖片是縮放過的，於是看了下insertImage的源代碼，發現有個_imgname的屬性。

原本的方法是在原來的圖片後面追加一張圖片：

但是這裏就有我提出來的問題怎麼獲取到原始圖片的位置及寬高，目前我還沒有找到這個方法，但發現了一個勉爲其難的方法，我將紅色部分註釋掉，然後這樣寫：

#coding:utf-8
import fitz,os
doc = fitz.open('E:\\files\\25109878.pdf')
imgcount=0
for page in doc:
    imageList = page.getImageList()
    for imginfo in imageList:
        rect = fitz.Rect(0, 0, 80, 80)
        page.insertImage(rect, filename="test.png", _imgname=imginfo[7])
doc.save('111.pdf')

這裏的imginfo[7]就是原始圖片的name，我直接插入到原始圖片的位置，我們來執行看看：

這樣貌似是實現了圖片的替換，但上面多了一塊fitz.Rect(0, 0, 80, 80)這個區域，查了下文檔貌似沒找到好的辦法處理，那我就將它設置爲fitz.Rect(0, 0, 0.1, 0.1)，我們來看看：

這樣就勉強實現了替換的效果，其實主要關鍵就是怎麼獲取到原始圖片的座標及寬高，如果能解決這個問題，那就不需要這麼麻煩的操作，由於時間原因，我也沒有過多的去深入研究了，如果有知道的小夥伴記得@我^_^

以上就是利用PyMuPdf提取、刪除及替換PDF中的圖片文件

關注公衆號，超越平凡才能成就自我