最近开发办公类相关项目，在办公类项目不可避免的就是处理 Excel、Word、Pdf 之类的文档，需要将文档格式进行转换，以便于显示、打印等的需要。今天，我们来看一下 PDF 文档转换为 png 图像的方法，便于在项目中没有好的显示 PDF 文档的方法下通过转换为 png 图像进行显示。
1.PyMuPDF 简介
在介绍 PyMuPDF 之前，先来了解一下 MuPDF，从命名形式中就可以看出，PyMuPDF 是 MuPDF 的 Python接口形式。
1.1MuPDF
MuPDF 是一个轻量级的 PDF、XPS和电子书查看器。MuPDF 由软件库、命令行工具和各种平台的查看器组成。
MuPDF 中的渲染器专为高质量抗锯齿图形量身定制。它以精确到像素的几分之一内的度量和间距呈现文本，以在屏幕上再现打印页面的外观时获得最高保真度。
这个观察器很小，速度很快，但是很完整。它支持多种文档格式，如PDF、XPS、OpenXPS、CBZ、EPUB和FictionBook 2。您可以使用移动查看器对 PDF 文档进行注释和填写表单(这个功能很快也将应用于桌面查看器)。
命令行工具允许您注释、编辑文档，并将文档转换为其他格式，如HTML、SVG、PDF和CBZ。您还可以使用Javascript编写脚本来操作文档。
1.2PyMuPDF
PyMuPDF 是支持 MuPDF 的Python绑定。
使用 PyMuPDF，你可以访问扩展名为“.pdf”、“.xps”、“.oxps”、“.cbz”、“.fb2”或“.epub”。此外，大约10种流行的图像格式也可以像文档一样处理:“.png”，“.jpg”，“.bmp”，“.tiff”等。
2.PyMuPDF 安装
使用 pip 安装命令：
python -m pip install --upgrade pip
python -m pip install --upgrade pymupdf
除了标准库，它没有强制性的外部依赖项。只有在安装了某些包时，才会有一些不错的方法
- Pillow：当使用 Pixmap.pil_save() 和 Pixmap.pil_tobytes() 时需要
- fontTools：当使用 Document.subset_fonts() 时需要
- pymupdf-fonts 是一个不错的字体选择，可以用于文本输出方法
导入库：
import fitz
查看版本：
import fitz
print(fitz.__doc__)
3.使用 PyMuPDF
3.1打开文档
doc = fitz.open(filename) # or fitz.Document(filename)
返回 Document 对象。
3.2 Document 的一些方法和属性
Method / Attribute | Description |
Document.page_count | 页数 (int) |
Document.metadata | 元数据 (dict) |
Document.get_toc() | 目录 (list) |
Document.load_page() | 读取页面 |
3.3 元数据
Key | Value |
producer | producer (producing software) |
format | format: ‘PDF-1.4’, ‘EPUB’, etc. |
encryption | encryption method used if any |
author | author |
modDate | date of last modification |
keywords | keywords |
title | title |
creationDate | date of creation |
creator | creating application |
subject | subject |
3.4 使用目录大纲
toc = doc.get_toc()
3.5 使用页面
获取某页面：
page = doc.load_page(pno) # loads page number 'pno' of the document (0-based)
page = doc[pno] # the short form
迭代页面：
for page in doc:
# do something with 'page'
# ... or read backwards
for page in reversed(doc):
# do something with 'page'
# ... or even use 'slicing'
for page in doc.pages(start, stop, step):
# do something with 'page'
3.6 呈现页面
获取页面内容的图像：
pix = page.get_pixmap()
3.7 保存页面为图像文件
pix.save("page-%i.png" % page.number)
4.示例代码
将 pdf 文件的每一页转换为 png 图像，代码如下：
# coding: utf-8
import sys
import fitz
# pdffilename 表示 PDF 文件名，全路径名
def arc2pdf(pdffilename: str):
doc = fitz.open(pdffilename)
for i in range(0, doc.page_count):
page = doc.load_page(i)
pix = page.get_pixmap()
pix.save("%s._%i.png" % (pdffilename, page.number))
if __name__ == '__main__':
if len(sys.argv) != 2:
print('参数错误!')
sys.exit(0)
pdffilename=sys.argv[1]
arc2pdf(pdffilename)
