mlupinのブログ

リスト３は、PDFファイルからJPEG画像を抽出するテストプログラムのリストです。

#　リスト３
#　　PDFからJPEG画像を抽出するテストプログラム
#　　　（リスト２との違いは、（０）、（１）、（２））
#　　「日経ソフトウエア」2020.07
#　　『特集５　Pythonで自動化』p.069～p.073
#
#　　■PyPDF2をGitHubから入手してインストール。p.070
#
#　　 　https://github.com/mstamy2/PyPDF2
#
#　 　から「PyPDF2-Master.zip」をダウンロードして、展開すると、
#　 　「PyPDF2-Master」フォルダが生成されるので、「Anaconda Prompt」
#　 　を立ち上げ、「cd」コマンドで、「PyPDF2-Master」フォルダに移動し、
#　 　次のコマンドを入力してインストールする。
#
# python setup.py install
#　　
# ■注
#　　　　　・記号「#」以降はコメント。（番号）は、本文の説明用の番号。［番号］は筆者が付加したコメント。
#　　　　　・元々のリストにない「print」文は、筆者のデバッグのために挿入したもの。
#　　　

print('Start!!')

print('［１］ライブラリの読み込み')
#（０）
import io
from PyPDF2 import PdfFileReader
from PIL import Image


print('［２］目的のPDFファイルを開く処理')
#　　　PDFファイルを、第2引数の「rb」で読み取り専用、バイナリーモードで開く。
#　　　「r」は読み込み用、「b」はバイナリーを意味する。
fp = open('PDFtest2.pdf', 'rb')

print('［３］必要なオブジェクトの生成')
reader = PdfFileReader(fp)
pgnum = reader.getNumPages()
print('pgnum = ', pgnum)

print('（４）実際の処理')
for i in range(pgnum):
print('i = ', i)

print('（５）')
pg = reader.getPage(i)
print('pg = ', pg)

print('（６）')
if '/XObject' in pg['/Resources']:
xobjs = pg['/Resources']['/XObject']
print('xobjs = ', xobjs)

print('（７）')
for key, obj in xobjs.items():
item = obj.getObject()

print('（８）')
if item['/Subtype'] == '/Image':

#（１）
if item['/Filter'] == '/DCTDecode':
print('（10）')
data = item.getData()
#（２）
img = Image.open(io.BytesIO(data))
img.show()

fp.close()