PDF 文件中通常包含重要的图片信息，例如图表、流程图、扫描件等。对于开发者来说，掌握如何使用 Python 从 PDF 文件中提取图片，不仅能让图片内容得到复用（例如自动生成报告或制作演示文档），还可以将这些图片进一步应用于机器学习、图片识别（OCR）或文档分析等任务中。
本文将详细介绍如何使用Python和 Spire.PDF for Python 库从 PDF 文件中高效地提取图片。主要包括以下内容：
准备工作：安装与环境配置
在开始使用 Spire.PDF 提取图片之前，请确保你的开发环境已准备好。
安装 Python 环境
请确保计算机上已安装 Python。建议使用最新的稳定版本，以获得更好的兼容性与性能表现。
安装 Spire.PDF for Python
Spire.PDF 是一款功能强大的 PDF 操作库，支持创建、编辑、合并、签名、提取内容等多种操作。
安装该库最简单的方式是通过 pip 包管理器。打开命令提示符或终端，运行以下命令即可完成安装：
pip install Spire.PDF
使用 Python 从 PDF 中提取图片
Spire.PDF for Python 提供了 PdfImageHelper 类，用于从 PDF 文档中提取图片信息。通过简单的几行代码，即可从指定页面或整个文档中批量获取嵌入的所有图片。
示例 1：提取指定页面中的图片
以下示例展示如何从 PDF 文件的第一页中提取所有图片，并将它们保存到本地文件夹中。
from spire.pdf.common import *
from spire.pdf import *
# 创建 PdfDocument 实例
pdf = PdfDocument()
# 加载 PDF 文件
pdf.LoadFromFile("示例文件.pdf")
# 获取第一页
page = pdf.Pages[0]
# 创建 PdfImageHelper 实例
imageHelper = PdfImageHelper()
# 获取该页的图片信息列表
imageInfo = imageHelper.GetImagesInfo(page)
# 遍历所有图片并保存
for i in range(0, len(imageInfo)):
imageInfo[i].Image.Save(f"输出/图片-{i}.png")
# 释放资源
pdf.Dispose()
代码说明：
- 加载 PDF 文件： 使用 LoadFromFile() 方法读取目标 PDF。
- 访问页面： 通过索引访问指定的 PDF 页面。
- **提取图片信息：**创建 PdfImageHelper 实例后，调用 GetImagesInfo() 方法获取该页的图片信息列表，返回 PdfImageInfo 对象集合。
- **保存图片文件：**遍历页面中检测到的所有图片，通过 PdfImageInfo[].Image.Save() 方法将其保存至本地。
输出结果：
程序会将 PDF 第一页中的所有图片提取出来，并按顺序保存为 图片-0.png、图片-1.png 等文件。
示例 2：提取整个 PDF 文件中的所有图片
如果希望一次性获取整个 PDF 文件中的所有图片，只需遍历文件的所有页面，并依次从每一页中提取图片。
from spire.pdf.common import *
from spire.pdf import *
# 创建 PdfDocument 实例
pdf = PdfDocument()
# 加载 PDF 文件
pdf.LoadFromFile("示例文件.pdf")
# 创建 PdfImageHelper 实例
imageHelper = PdfImageHelper()
# 遍历所有页面
index = 0
for i in range(0, pdf.Pages.Count):
page = pdf.Pages[i]
imageInfo = imageHelper.GetImagesInfo(page)
for j in range(0, len(imageInfo)):
imageInfo[j].Image.Save(f"输出/全文图片-{index}.png")
index += 1
# 关闭文档
pdf.Close()
输出结果：
代码会自动遍历整个 PDF 文档，将每页中的所有图片依次保存为单独文件。这对于需要批量提取文档中图片内容的场景非常实用。
提取PDF图片时的格式选择
Spire.PDF 支持将提取的图片保存为多种常见的图片格式，如 PNG、JPG、BMP、TIFF 等。
你可以根据需要选择合适的保存格式，不同格式在用途上各有优劣：
| 格式 | 适用场景 | 特点说明 |
|---|---|---|
| JPG/JPEG | 照片、扫描文档 | 占用空间小，但多次压缩可能导致质量下降 |
| PNG | 图表、截图、网页图片 | 支持透明背景，画质高但体积较大 |
| BMP | Windows 临时文件、图片编辑 | 几乎无压缩，体积较大，不适合网络传输 |
| TIFF | 档案保存、打印、OCR 输入 | 支持多页，适合长期存档或文本识别 |
| EMF | 矢量图编辑 | 可在 Illustrator、Inkscape 等软件中继续编辑 |
如果你的目标是高质量图表或透明背景图片，建议选择 PNG；若是扫描件或照片类型的内容，可选 JPG 来平衡质量与体积。
常见问题解答
Q1：Spire.PDF for Python 是免费的吗？
A1: Spire.PDF 提供免费版和商业版两种。免费版可处理最多 10 页的 PDF 文件；若需要解除限制或用于商业项目，可该Email地址已收到反垃圾邮件插件保护。要显示它您需要在浏览器中启用JavaScript。试用许可证。
Q2：可以只提取指定页码范围的图片吗？
A2:当然可以。只需指定要提取的页码索引即可。例如，以下代码可提取第 2 至第 5 页的图片（注意页码索引从 0 开始）：
for i in range(1,5):page = pdf.Pages[i] imageInfo = imageHelper.GetImagesInfo(page) # 按前述方法保存图片 Q3：是否可以从提取的图片中识别文字？
A3:可以。对于扫描 PDF 文件，可在提取图片后，结合 Spire.OCR for Python库对图片执行 OCR 识别，从而提取文字内容。
详细步骤可参考教程：Python 从图片中提取文字。
总结
通过 Python 实现 PDF 图片提取，不仅能更高效地复用文件中的视觉内容，还能为数据分析、报告生成及 OCR 识别等自动化任务提供支持。借助 Spire.PDF for Python，开发者能够以简洁的代码快速完成单个页面或整个 PDF 文件中的图片提取，从而让 PDF 数据的利用更加灵活和智能。
此外，作为一个多功能的 PDF 文档处理库，Spire.PDF 不仅能提取图片，还能实现以下高级功能：
