将PDF文件的每一页转换为高质量图片

pdf_to_images.py

#!/usr/bin/env python3
"""
PDF转图片工具
将PDF文件的每一页转换为高质量图片
"""

import os
from pathlib import Path
from pdf2image import convert_from_path
from PIL import Image


def pdf_to_images(pdf_path, output_dir="output", dpi=600, fmt="PNG", batch_size=10):
    """
    将PDF转换为图片（分批处理以减少内存使用）
    
    参数:
        pdf_path: PDF文件路径
        output_dir: 输出目录
        dpi: 图片分辨率（默认600 DPI，最高质量）
        fmt: 图片格式（PNG、JPEG等）
        batch_size: 每批处理的页数（默认10页）
    """
    # 检查PDF文件是否存在
    if not os.path.exists(pdf_path):
        raise FileNotFoundError(f"PDF文件不存在: {pdf_path}")
    
    # 创建输出目录
    output_path = Path(output_dir)
    output_path.mkdir(exist_ok=True)
    
    print(f"正在处理PDF文件: {pdf_path}")
    print(f"输出目录: {output_path}")
    print(f"分辨率: {dpi} DPI")
    print(f"图片格式: {fmt}")
    print(f"每批处理页数: {batch_size}")
    print("-" * 50)
    
    try:
        # 先获取总页数
        from pdf2image import pdfinfo_from_path
        info = pdfinfo_from_path(pdf_path)
        total_pages = info["Pages"]
        print(f"PDF总页数: {total_pages}")
        print("-" * 50)
        
        pdf_name = Path(pdf_path).stem
        saved_count = 0
        
        # 分批处理
        for start_page in range(1, total_pages + 1, batch_size):
            end_page = min(start_page + batch_size - 1, total_pages)
            
            print(f"正在处理第 {start_page}-{end_page} 页...")
            
            # 转换当前批次的页面
            images = convert_from_path(
                pdf_path,
                dpi=dpi,
                first_page=start_page,
                last_page=end_page,
                fmt=fmt,
                thread_count=2,
                use_pdftocairo=True,
                transparent=False
            )
            
            # 保存当前批次的图片
            for i, image in enumerate(images, start=start_page):
                # 生成文件名
                output_filename = f"{pdf_name}_page_{i:04d}.{fmt.lower()}"
                output_filepath = output_path / output_filename
                
                # 保存图片，使用最高质量
                if fmt.upper() == "JPEG" or fmt.upper() == "JPG":
                    image.save(output_filepath, format=fmt, quality=100, optimize=True)
                else:
                    image.save(output_filepath, format=fmt, optimize=True)
                
                saved_count += 1
                print(f"  已保存: {output_filename} (尺寸: {image.size[0]}x{image.size[1]})")
            
            # 清理内存
            del images
        
        print("-" * 50)
        print(f"转换完成! 共 {saved_count} 页图片已保存到: {output_path}")
        
        return True
        
    except Exception as e:
        print(f"转换失败: {str(e)}")
        import traceback
        traceback.print_exc()
        return False


if __name__ == "__main__":
    # 配置参数 - 600 DPI最高质量，分批处理
    PDF_FILE = "stm32mp157d.pdf"
    OUTPUT_DIR = "output/stm32mp157d"
    DPI = 600  # 最高质量
    FORMAT = "PNG"  # PNG格式支持无损压缩
    BATCH_SIZE = 5  # 每批处理5页以减少内存使用
    
    # 执行转换
    success = pdf_to_images(
        pdf_path=PDF_FILE,
        output_dir=OUTPUT_DIR,
        dpi=DPI,
        fmt=FORMAT,
        batch_size=BATCH_SIZE
    )
    
    if success:
        print("\n✓ 所有操作成功完成!")
    else:
        print("\n✗ 转换过程中出现错误")
        exit(1)