知識星球來自：陽明的部落格
https://blog.qikqiak.com/post/python-convert-pdf-images/
之前收集了很多優秀的 PDF檔案，但是需要看的時候不是很方便，需要去找到這個檔案，如果是在手機上的話往往還需要下載 PDF相關的外掛才行，而且最大的問題是不便於資料的整理和分享。如果能夠將 PDF轉換成網頁，豈不是就能解決這些問題了？還能直接分享出去。
這裡利用 PyPDF包來處理 PDF檔案，為了方便快捷，我這裡直接將一個頁面轉換成圖片，就不需要去識別頁面中的每一個 PDF元素了，這是沒必要的。
轉換
核心程式碼很簡單，就是將 PDF檔案讀取出來，轉換成 PdfFileReader，然後就可以根據 PyPDF2的API去獲得每一個頁面的二進位制資料，拿到二進位制資料過後，就能很方便的進行圖片處理了，這裡用 wand包來進行圖片處理。
# -*- coding: utf-8 -*-
import io
from wand.image import Image
from wand.color import Color
from PyPDF2 import PdfFileReader, PdfFileWriter
memo = {}
def getPdfReader(filename):
reader = memo.get(filename, None)
if reader is None:
reader = PdfFileReader(filename, strict=False)
memo[filename] = reader
return reader
def _run_convert(filename, page, res=120):
idx = page + 1
pdfile = getPdfReader(filename)
pageObj = pdfile.getPage(page)
dst_pdf = PdfFileWriter()
dst_pdf.addPage(pageObj)
pdf_bytes = io.BytesIO()
dst_pdf.write(pdf_bytes)
pdf_bytes.seek(0)
img = Image(file=pdf_bytes, resolution=res)
img.format = 'png'
img.compression_quality = 90
img.background_color = Color("white")
img_path = '%s%d.png' % (filename[:filename.rindex('.')], idx)
img.save(filename=img_path)
img.destroy()
需要註意的是一般PDF檔案較大，如果一次性轉換整個PDF檔案需要小心記憶體上限溢位的問題，我們這裡將第一次載入的整個PDF檔案儲存到記憶體，避免每次讀取的時候都重新載入。
批次處理
上面已經完成了一個 PDF頁面的轉換，要完成整個檔案的轉換就很簡單了，只需要拿到檔案的總頁碼，然後迴圈執行就行。考慮到轉換比較耗時，可以使用非同步處理的方式加快速度。比如可以使用 celery來搭配處理，一定註意小心記憶體洩露。
核心程式碼已經整理放到github上去了，好了，等有時間的時候準備做一個公共的 PDF轉成 H5的服務，開放給大眾使用。
花了點時間，做成了一個獨立的服務：https://pdfh5.com，歡迎大家試用
●編號414，輸入編號直達本文
●輸入m獲取文章目錄
演演算法與資料結構
更多推薦《18個技術類公眾微信》
涵蓋：程式人生、演演算法與資料結構、駭客技術與網路安全、大資料技術、前端開發、Java、Python、Web開發、安卓開發、iOS開發、C/C++、.NET、Linux、資料庫、運維等。
