从python中的PDF提取图像

Question

[我正在尝试使用PyPDF2从pdf提取图像，但是当我的代码得到它时，该图像与实际应有的外观完全不同，请看下面的示例：

但这实际上应该是这样的：

<< img src =“ https://image.soinside.com/eyJ1cmwiOiAiaHR0cHM6Ly9pLmliYi5jby9waFFYRnpUL2ltZzI5LmpwZyJ9” alt =“文本”>

这是我正在使用的pdf：

https://www.hbp.com/resources/SAMPLE%20PDF.pdf

这是我的代码：

pdf_filename = "SAMPLE.pdf"
pdf_file = open(pdf_filename, 'rb')
cond_scan_reader = PyPDF2.PdfFileReader(pdf_file)
page = cond_scan_reader.getPage(0)

xObject = page['/Resources']['/XObject'].getObject()
i = 0
for obj in xObject:
    # print(xObject[obj])
    if xObject[obj]['/Subtype'] == '/Image':
        if xObject[obj]['/Filter'] == '/DCTDecode':
            data = xObject[obj]._data
            img = open("{}".format(i) + ".jpg", "wb")
            img.write(data)
            img.close()
            i += 1 

并且由于我需要将图像保持在彩色模式下，如果是CMYK，我不能将其转换为RBG，因为我需要这些信息。另外，我正在尝试从pdf图像中获取dpi，该信息是否始终存储在图像中？在此先感谢

Answer 1

我使用pdfreader从您的示例中提取图像。图像使用ICCBased

Answer 2

希望此方法有效：您可能需要使用其他库，例如Pillow：