用 Python 將 PDF 文檔轉成 PNG 圖檔

想把 PDF 轉成圖檔，卻又擔心交給線上工具處理會不會有什麼安全上的疑慮？交給 Python 吧！

本篇大量包含解決問題的思考過程，想省略，裝完套件以後就直接跳到最後面吧！

上網找解決辦法

試著 google「pdf to png python」，找到了 pdf2image。

A python (3.6+) module that wraps pdftoppm and pdftocairo to convert PDF to a PIL Image object

看起來，這就是我們要的！

安裝相關套件

本教學以 Mac 為例，其他作業系統的安裝方式請參見 PyPI 上面的說明。

因為 pdf2image 是基於 Poppler 開發出來的，所以在安裝 pdf2image 前，先來裝 Poppler 吧！

打開 Terminal 或 iTerm 之類的終端機
輸入 brew 看有沒有裝 Homebrew，如果還沒裝就上網找資料裝一裝吧！
不過 Poppler 的安裝頁面有提供我們裝 Homebrew 的指令，就看要不要直接用，或是另找其他安裝方式也行。
用 Homebrew 裝 Poppler：在終端機上輸入 brew install poppler 就行囉！
（如果出現 Updating Homebrew... 可以用 Ctrl+C 跳過更新的程序，不然可能會卡很久）
用 pip 裝 pdf2image：pip install pdf2image

這樣相關套件就裝完囉，準備來使用吧！

簡單玩一下套件

畢竟之前沒弄過，不確定這符不符合我們的需求。
所以在嘗試解決問題之前，先小玩一下～
pdf2image 頁面有程式碼，就照上面的 code 試試：

import pdf2image 相關套件

from pdf2image import convert_from_path, convert_from_bytes
from pdf2image.exceptions import (
    PDFInfoNotInstalledError,
    PDFPageCountError,
    PDFSyntaxError
)

第一段程式碼看起來比較簡單，就試那個吧：（檔案的 path 記得要改，可以用相對路徑）
1
images = convert_from_path('/home/belval/example.pdf')

images 不知道該怎麼用，就 print 出來看一下囉，print(images)，輸出了這些：

[<PIL.PpmImagePlugin.PpmImageFile image mode=RGB size=1654x2339 at 0x115B32D90>,
 <PIL.PpmImagePlugin.PpmImageFile image mode=RGB size=1654x2339 at 0x115B99B50>,
 <PIL.PpmImagePlugin.PpmImageFile image mode=RGB size=1654x2339 at 0x115B99B90>,
 <PIL.PpmImagePlugin.PpmImageFile image mode=RGB size=1654x2339 at 0x115BA2BD0>,
 <PIL.PpmImagePlugin.PpmImageFile image mode=RGB size=1654x2339 at 0x115BA2FD0>]

（list 裡面 PIL 的個數取決於 PDF 檔的頁數）

PIL 是什麼東西啊？應該跟 image 有關吧？於是我 google「PIL Image」，找到了這篇。
看那篇文裡面的 code 有 from PIL import Image，該不會又要裝套件了吧⋯⋯
不管，先試著直接 import PIL，發現可以欸，代表說本機端已經有 PIL 套件了！
後來發現，原來在裝 pdf2image 時，它就幫我們裝好了 pillow (PIL)。
有點不務正業，來照剛剛那篇文試試 PIL 吧，說不定能有什麼新發現。
1
2
3
from PIL import Image
im = Image.open("test.jpeg")
im.save("test.png","png")
還真的生成「test.png」了呢！那 im 又是什麼呢？好奇 print 一下，輸出了這個：
1
<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=1500x1000 at 0x10D9FAE50>
咦？這跟剛剛 images print 出來的東西很像欸，該不會⋯⋯

柳暗花明又一村：（承接剛剛的 images）

1 2	for i, image in enumerate(images): image.save(f'{i+1}.png', 'png') # 如果想從 1 開始數的話

還真的可以欸😂

用套件解決問題

過程中有不懂或忘記的就 google 吧：

忘記怎麼判斷字串中有無某 substring → google「python test substring」→ 找到「Check if a String Contains Another String」
忘記怎麼用 Python 創建資料夾 → google「python os mkdir」→ 找到「Python os.mkdir()」

最後生出來的 code：

from pdf2image import convert_from_path, convert_from_bytes
from pdf2image.exceptions import (
    PDFInfoNotInstalledError,
    PDFPageCountError,
    PDFSyntaxError
)
# from PIL import image                         # 後來發現不需要 import 這個
import os

for name in os.listdir("."):                    # 取得當前目錄下的所有檔名
  if '.pdf' in name:                            # 只對 PDF 做處理
    the_dir = f'{name[:-4]}'                    # 用 PDF 的檔名當作新資料夾的名稱
    os.mkdir(the_dir)                           # 新建該檔名的資料夾
    images = convert_from_path(f'{name}')       # 將 PDF 轉成多個 PIL 相關物件
    for i, image in enumerate(images):          # 針對每個物件去做處理
      image.save(f'{the_dir}/{i+1}.png', 'png') # 在新資料夾底下存成 PNG 檔

如此一來，就不必丟到網路上給別人處理了呢！

今天的分享就到這邊，我們下篇文見吧 😃