Python提取word中的图片(需要的自取）：
最近项目需要把word、PDF中的图片专门提取出来保存到另外的文件夹，最终成功实现；
最近项目需要把word、PDF中的图片专门提取出来保存到另外的文件夹，最终成功实现；
最近项目需要把word、PDF中的图片专门提取出来保存到另外的文件夹，最终成功实现；
重要的事情说三遍，详细步骤记录如下：
目录
2.4遍历PDF中的对象，遇到是图像才进行下一步，不然就continue
1.倒入相关库
import fitz
import time
import re
import os2.具体实现
为了方便和其他模块组合，我直接写了个函数完成这个功能，实现如下：
2.1使用正则表达式查找PDF中的图片
def pdf2pic(path, pic_path):
'''
# 从pdf中提取图片
:param path: pdf的路径
:param pic_path: 图片保存的路径
:return:
'''
t0 = time.clock()
# 使用正则表达式来查找图片
checkXO = r"/Type(?= */XObject)"
checkIM = r"/Subtype(?= */Image)" 2.3打印PDF的相关信息
# 打开pdf
doc = fitz.open(path)
# 图片计数
imgcount = 0
lenXREF = doc._getXrefLength()
# 打印PDF的信息
print("文件名:{}, 页数: {}, 对象: {}".format(path, len(doc), lenXREF - 1))2.4遍历PDF中的对象，遇到是图像才进行下一步，不然就continue
并且我们将文件的名字命名为word所在的路径
# 遍历每一个对象
for i in range(1, lenXREF):
# 定义对象字符串
text = doc.getObjectString(i)
# tests for XObject
isXObject = re.search(checkXO, text)
# 使用正则表达式查看是否是图片
isImage = re.search(checkIM, text)
# 如果不是对象也不是图片，则continue
if not isXObject or not isImage:
continue
imgcount += 1
# 根据索引生成图像
pix = fitz.Pixmap(doc, i)
# 根据pdf的路径生成图片的名称
new_name = path.replace('\\', '_') + "_img{}.png".format(imgcount)
new_name = new_name.replace(':', '')2.5将图像存为png格式
# 如果pix.n<5,可以直接存为PNG
if pix.n < 5:
pix.writePNG(os.path.join(pic_path, new_name))
# 否则先转换CMYK
else:
pix0 = fitz.Pixmap(fitz.csRGB, pix)
pix0.writePNG(os.path.join(pic_path, new_name))
pix0 = None
# 释放资源
pix = None
t1 = time.clock()
print("运行时间:{}".format(t1 - t0))
print("提取了{}张图片".format(imgcount))2.6输入pdf路径，即可运行
if __name__=='__main__':
# pdf路径
path = r'E:\dogcat\提取图片\计算机视觉算法工程师-18011443062.pdf'
pic_path = r'E:\dogcat\提取图片\测试'
# 创建保存图片的文件夹
if os.path.exists(pic_path):
print("文件夹已存在，请重新创建新文件夹！")
raise SystemExit
else:
os.mkdir(pic_path)
m = pdf2pic(path, pic_path)
