python pdf2image

python pdf2imageの使い方

タグ pdf2image

概要

  • PDFを画像に変換するためのシンプルな方法
  • 画像化したあとにBase64へ変換してAPIに渡すなどの用途に便利

インストール

依存 (Linux)

$ sudo apt install poppler-utils

依存 (macOS)

$ brew install poppler

インストール

$ pip install pdf2image

使い方

from pdf2image import convert_from_path
from io import BytesIO
import base64

# DPIやフォーマットを指定して読み込み（デフォルトはDPI=200程度）
images = convert_from_path(
    'data/sample.pdf',
    dpi=200
)

# 画像をbase64に変換
base64_images = []
for img in images:
    buffered = BytesIO()
    img.save(buffered, format="PNG")
    img_str = base64.b64encode(buffered.getvalue()).decode('utf-8')
    base64_images.append(img_str)

バイト列から直接変換

from pdf2image import convert_from_bytes

with open('data/sample.pdf', 'rb') as f:
    pdf_bytes = f.read()

images = convert_from_bytes(pdf_bytes, dpi=200)