Como converter PDF em imagem em Python

1. Instale a biblioteca PDF2Image do Python.

PDF2Image é um módulo que engloba pdftocairo e pdftoppm. Funciona no Python 3.7+ para converter PDF em um objeto de imagem PIL. Seu histórico de versões anteriores mostra que ele apenas encapsula o pdftoppm para converter PDF em imagens e funcionava apenas no Python 3+.

Para instalar o pacote pdf2image, abra o prompt de comando do Windows ou o Windows PowerShell e use o seguinte comando pip:

pip install pdf2image

pip install pdf2image

Pip ( Preferred Installer Program ) é o gerenciador de pacotes for Python. Ele baixa e instala pacotes de software de terceiros que oferecem recursos e funcionalidades não encontrados na biblioteca padrão do Python.

Observação: Para executar este comando em qualquer lugar na linha de comando, o Python deve ser adicionado ao PATH. Para Python 3+, recomenda-se o uso do pip3, pois é a versão atualizada do pip.

2. Instale o Poppler

brew install poppler

brew install poppler

3. Código para converter arquivos PDF em arquivos de imagem

O código a seguir realizará a conversão da imagem do arquivo PDF de entrada:

from pdf2image import convert_from_path

# Notify the user that the process is starting
print("Please wait while the file is being loaded.")
file = convert_from_path('file.pdf')

# Iterate over all pages in the PDF file
for i in range(len(file)):
    # Update user on progress
    print("Progress: " + str(round(i / len(file) * 100)) + "%")
    # Save each page as a JPG image file
    file[i].save('page' + str(i + 1) + '.jpg', 'JPEG')

# Notify the user that the conversion is successful
print("Conversion Successful")

from pdf2image import convert_from_path

# Notify the user that the process is starting
print("Please wait while the file is being loaded.")
file = convert_from_path('file.pdf')

# Iterate over all pages in the PDF file
for i in range(len(file)):
    # Update user on progress
    print("Progress: " + str(round(i / len(file) * 100)) + "%")
    # Save each page as a JPG image file
    file[i].save('page' + str(i + 1) + '.jpg', 'JPEG')

# Notify the user that the conversion is successful
print("Conversion Successful")

No código acima, primeiro abrimos o arquivo usando o método convert_from_path. Este método abre o arquivo localizado no caminho especificado. Em seguida, percorremos cada página do arquivo PDF para convertê-las em imagens JPG. Por fim, o método save é usado para salvar cada página convertida como um arquivo de imagem JPG. Agora, execute o programa e aguarde a conclusão da conversão. Os arquivos de imagem resultantes são salvos na mesma pasta do programa.

1. Instale a biblioteca PyMuPDF do Python.

PyMuPDF é uma extensão em Python do MuPDF, que é um visualizador, renderizador e conjunto de ferramentas leve para e-books, PDFs e XPS. Ele pode ser usado para converter PDF para outros formatos, como JPG ou PNG. PyMuPDF funciona em versões do Python 3.7 ou superiores.

Para instalar o pacote PyMuPDF, abra o prompt de comando do Windows ou o Windows PowerShell e use o seguinte comando pip:

pip install pymupdf

pip install pymupdf

Note que o PyMuPDF não requer nenhuma biblioteca adicional, ao contrário do pacote PDF2Image.

2. Código para converter arquivos PDF em imagens

O código a seguir importará o módulo fitz do PyMuPDF, para que possamos converter o PDF em imagens:

import fitz  # PyMuPDF

# Open the PDF file
doc = fitz.open("file.pdf")

# Iterate over each page in the document
for x in range(len(doc)):
    page = doc.load_page(x)  # Load a specific page
    pix = page.get_pixmap()  # Render page to image
    output = "output/pdfpage" + str(x + 1) + ".png"  # Specify output path
    pix.save(output)  # Save the image to the output path

# Close the document
doc.close()

import fitz  # PyMuPDF

# Open the PDF file
doc = fitz.open("file.pdf")

# Iterate over each page in the document
for x in range(len(doc)):
    page = doc.load_page(x)  # Load a specific page
    pix = page.get_pixmap()  # Render page to image
    output = "output/pdfpage" + str(x + 1) + ".png"  # Specify output path
    pix.save(output)  # Save the image to the output path

# Close the document
doc.close()

No código acima, o nome do arquivo é passado como argumento para o método fitz.open para abrir o arquivo. Em seguida, percorro todo o documento e carrego cada página separadamente. O método get_pixmap é usado para converter cada página do documento em pixels de imagem, e a imagem resultante é salva na pasta de saída usando o método save. Por fim, o documento aberto é fechado para liberar memória.

Em comparação com o PDF2Image, o PyMuPDF é mais rápido na conversão de PDF para PNG. O PDF2Image pode ser lento para o formato PNG devido à sua taxa de compressão. O resultado é o mesmo que o do PDF2Image:

Biblioteca IronPDF

IronPDF é uma biblioteca usada para gerar, ler e manipular arquivos PDF. Sua especialidade reside na renderização de HTML para PDF com a ajuda do mecanismo Chromium. Esse recurso o torna popular entre desenvolvedores que precisam converter arquivos HTML ou URLs em documentos PDF. Além disso, oferece conversão de vários formatos para arquivos PDF.

Você também pode rasterizar um arquivo PDF em imagens usando apenas duas linhas de código. O código a seguir demonstra como converter PDFs em diferentes formatos de imagem:

using IronPdf;

var Renderer = new IronPdf.ChromePdfRenderer();
var PDF = Renderer.RenderUrlAsPdf("https://example.com");
PDF.SaveAs("html.pdf");

// Rasterize the PDF
List<string> Images = PDF.RasterizeToImageFiles(ImageType.Png);

using IronPdf;

var Renderer = new IronPdf.ChromePdfRenderer();
var PDF = Renderer.RenderUrlAsPdf("https://example.com");
PDF.SaveAs("html.pdf");

// Rasterize the PDF
List<string> Images = PDF.RasterizeToImageFiles(ImageType.Png);

Imports IronPdf

Private Renderer = New IronPdf.ChromePdfRenderer()
Private PDF = Renderer.RenderUrlAsPdf("https://example.com")
PDF.SaveAs("html.pdf")

' Rasterize the PDF
Dim Images As List(Of String) = PDF.RasterizeToImageFiles(ImageType.Png)

Baixe o IronPDF e experimente gratuitamente .