python简单代码(python简单代码决策树)
作者： qikqiak
来源：https://blog.qikqiak.com/post/python-convert-pdf-images/
作者： qikqiak
来源：https://blog.qikqiak.com/post/python-convert-pdf-images/
之前收集了很多优秀的 PDF文档，但是需要看的时候不是很方便，需要去找到这个文件，如果是在手机上的话往往还需要下载 PDF相关的插件才行，而且最大的问题是不便于资料的整理和分享。如果能够将 PDF转换成网页，岂不是就能解决这些问题了？还能直接分享出去。
这里利用 PyPDF包来处理 PDF文件，为了方便快捷，我这里直接将一个页面转换成图片，就不需要去识别页面中的每一个 PDF元素了，这是没必要的。
转换
核心代码很简单，就是将 PDF文件读取出来，转换成 PdfFileReader，然后就可以根据 PyPDF2的API去获得每一个页面的二进制数据，拿到二进制数据过后，就能很方便的进行图片处理了，这里用 wand包来进行图片处理。
# -*- coding: utf-8 -*-
importio
fromwand.image importImage
fromwand.color importColor
fromPyPDF2importPdfFileReader,PdfFileWriter
展开全文
memo ={}
defgetPdfReader(filename):
reader =memo.get(filename,None)
ifreader isNone:
reader =PdfFileReader(filename,strict=False)
memo[filename]=reader
returnreader
def_run_convert(filename,page,res=120):
idx =page +1
pdfile =getPdfReader(filename)
pageObj =pdfile.getPage(page)
dst_pdf =PdfFileWriter()
dst_pdf.addPage(pageObj)
pdf_bytes =io.BytesIO()
dst_pdf.write(pdf_bytes)
pdf_bytes.seek(0)
img =Image(file=pdf_bytes,resolution=res)
img.format ='png'
img.compression_quality =90
img.background_color =Color("white")
img_path ='%s%d.png'%(filename[:filename.rindex('.')],idx)
img.save(filename=img_path)
img.destroy()
需要注意的是一般PDF文件较大，如果一次性转换整个PDF文件需要小心内存溢出的问题，我们这里将第一次载入的整个PDF文件保存到内存，避免每次读取的时候都重新载入。
需要注意的是一般PDF文件较大，如果一次性转换整个PDF文件需要小心内存溢出的问题，我们这里将第一次载入的整个PDF文件保存到内存，避免每次读取的时候都重新载入。
上面已经完成了一个 PDF页面的转换，要完成整个文件的转换就很简单了，只需要拿到文件的总页码，然后循环执行就行。考虑到转换比较耗时，可以使用异步处理的方式加快速度。比如可以使用 celery来搭配处理，一定注意小心内存泄露。
核心代码已经整理放到github上去了，好了，等有时间的时候准备做一个公共的 PDF转成 H5的服务，开放给大众使用。
花了点时间，做成了一个独立的服务：https://pdfh5.com，欢迎大家试用
花了点时间，做成了一个独立的服务：https://pdfh5.com，欢迎大家试用
