使用 Python 计算 PDF 中的图像数量

Question

我正在尝试使用 Python 计算 PDF 中的图像数量，并将结果写入 csv 文件。理想情况下，我想要 return 一个 csv，它显示文件的一列和每页的一列以及每页中的图像数量。但是显示文件名和文档中图像总数的列就足够了。

我试过：

import fitz
import io
from PIL import Image
import csv

with open(r'output.csv', 'x', newline='', encoding='utf-8') as csvfile:
    # Declaring the writer 
    propertyWriter = csv.writer(csvfile, quoting=csv.QUOTE_ALL)
    # Writing the headers 
    propertyWriter.writerow(['file', 'results', 'error'])
    for file in pdfs:

        # open the file
        pdf_file = fitz.open(file)


        # printing number of images found in this page
        if image_list:
            results = len(image_list[0])
            error = ""
            #print(results)
            #results = str(f"+ Found a total of {len(image_list)} images in page {page_index}")

        else:
            error = str("! No images found on page", page_index)
        propertyWriter.writerow([file, results, error])

参考：https://www.geeksforgeeks.org/how-to-extract-images-from-pdf-in-python/ 但是，使用此选项声明每个 PDF 中有 9 张图像，但事实并非如此。

然后我尝试了：

import fitz
import csv
with open(r'output.csv', 'x', newline='', encoding='utf-8') as csvfile:
    # Declaring the writer 
    propertyWriter = csv.writer(csvfile, quoting=csv.QUOTE_ALL)
    # Writing the headers 
    propertyWriter.writerow(['file', 'results'])
    for file in pdfs[0:5]:
        for i in range(len(doc)):
            for img in doc.getPageImageList(i):
                xref = img[0]
                pix = fitz.Pixmap(doc, xref)
                results = str(pix)

    propertyWriter.writerow([file, results])

参考：Extract images from PDF without resampling, in python? 但这又是说每个 PDF 中的图像数量相同，事实并非如此。

Answer 1

我尝试了您提到的第一个参考文献 (https://www.geeksforgeeks.org/how-to-extract-images-from-pdf-in-python/)，它运行良好（该页面上的代码）。有什么不对吗？它计算 PDF 中每一页的图像，您只需将每个 pdf 的图像加在一起？

如果你把这个放到for循环里，应该能达到你的目的吧？

import fitz
import io
from PIL import Image

file = "doctest.pdf"
pdf_file = fitz.open(file)
results = 0

for page_index in range(len(pdf_file)):
    image_list = pdf_file[page_index].getImageList()
    
    # printing number of images found in this page
    if image_list:
        results += len(image_list)

print("Total images in this PDF: ", results)

使用 Python 计算 PDF 中的图像数量

Count number of images in PDF with Python

python

pdf

python-3.x