使用python的pdfminer库提取pdf中的图像之填坑记

本地环境：win10 x64，python3.8 x64

安装：pip install pdfminer

使用：

按照官方给的方法使用一波，发现windows下没给适配，运行pdf2txt.py直接弹出来编辑器编辑源代码了，需要用python+绝对路径+参数的方法调用

python (gcm pdf2txt.py).source -o outputfilename -O output_dir input.pdf

• -o：输出文件名，可以通过文件拓展命指定转换目标类型
• -O：输出资源目录，比如转换成HTML文件，图片文件存放目录就在这里指定

跑一波

直接跑不通可还行，找来源代码瞅瞅

看对filter调用的方法，filter应该是个list，直接 filters = stream.get_filters() 修改为 filters = list(stream.get_filters()) 

再试一波，这波没报错。

但是输出的文件夹里只有一张图，我pdf里上百张图都去哪里了？？？

打开唯一的图片发现是最后一张图，盲猜一波pdf文件中的图片都是这个名字，pdf2txt在解析抽取图像的时候，只是简单的用图像在pdf里的名字保存，导致每次保存一张重名图像都会把老图替换掉。

刚刚出错的文件名叫image.py应该是和图像处理相关的，应该能找到图像保存的逻辑。

果然！

在这里给文件名加个递增前缀应该能解决问题。

定义一个生成递增前缀滴函数，并在产生文件名时加上这个前缀

from time import time

def prefix_():
    return str(int(time()*10**6))

name = f'{prefix_()}_{image.name}.{ext}'

再跑一次

可以看到该有的都有了