用Python玩转PDF：文字提取/图片抓取/转PPT技巧（附完整代码）

阅读此文：你将学会如何从PDF中提取文字、图片、一键转成PPT

🌈Hi，小伙伴们~  关注我，带您了解更多的 Python 实用技巧

你是不是也遇到过这些烦恼：

• 想批量取PDF中文字，却要花钱买Adobe会员

• 需要PDF里的图片，只能一张张截图保存

• 要PDF转PPT，在线工具要收费又怕泄露隐私

🎯今天，教你用Python解决这些烦恼，文件无需上传网络安全放心，用几行代码就能快速搞定

📝 场景举例：

🔍有一份《安徽黄山风景.pdf》里面有多张图片，有描述的文字，如下图所示：

📚 现实需求：

☘️需从《安徽黄山风景.pdf》中提取PDF中所有的照片，描述文字，且将整份的安徽黄山风景.pdf文件转换成安徽黄山风景.ppt文件

Python 解决方案：

Python中能实现上述需求PDF第三方库有很多，今天介绍的2个轻量且处理速度极快的第三方库PyMuPDF/Spire，将用PyMuPDF演示如何提取PDF的文字和图片、用Spire演示PDF转换PPT

PyMuPDF简介

📂PyMuPDF (fitz) 诞生于2013年，是个人开发的一个高性能、免费、开源、维护活跃的PDF 处理库，适用于复杂操作（如文本提取、修改、渲染）等操作

Spire简介

📂Spire 诞生于2010年，是由中国的 E-iceblue 公司开发的一系列文档处理库，主要用于PDF、Word、Excel、PPT 等文件的 创建、编辑、转换和提取数据，有免费版（能处理10页文档）和收费版2种

准备工作：安装必备工具

在开始前，需安装这2个库，在命令行输入：

pip install pymupdf spire.pdf

🌱提取《安徽黄山风景.pdf》文字，代码如下：

import fitz  # 导包PyMuPDF
# 定义读取PDF文字的函数
def extract_text_with_pymupdf(pdf_path, output_txt_path=None):
    text = ""
    with fitz.open(pdf_path) as doc:
        # 遍历每一页
        for page in doc:
            text += page.get_text()
    # 另存为txt文件
    if output_txt_path:
        with open(output_txt_path, "w", encoding="utf-8") as f:
            f.write(text)
        print(f"文本已保存到: {output_txt_path}")
    return text
# 替换为你的PDF文件路径、保存路径
text = extract_text_with_pymupdf("安徽黄山风景.pdf", "安徽黄山风景.txt")
print(text)

结果展示：

🌱提取《安徽黄山风景.pdf》图片，代码如下：

import fitz  # 导包PyMuPDF
import os
def extract_images_from_pdf(pdf_path, output_folder):
    # 确保输出文件夹存在
    os.makedirs(output_folder, exist_ok=True)
    # 打开PDF文件
    pdf_document = fitz.open(pdf_path)
    # 遍历每一页
    for page_num in range(len(pdf_document)):
        page = pdf_document.load_page(page_num)
        # 获取页面中的所有图片
        image_list = page.get_images(full=True)
        # 遍历并保存图片
        for img_index, img in enumerate(image_list):
            xref = img[0]
            base_image = pdf_document.extract_image(xref)
            image_bytes = base_image["image"]
            # 图片保存格式：页码+图片序列
            image_ext = base_image["ext"]
            image_filename = f"page_{page_num+1}_img_{img_index+1}.{image_ext}"
            image_path = os.path.join(output_folder, image_filename)
            with open(image_path, "wb") as image_file:
                image_file.write(image_bytes)
    print(f"提取完成，图片已保存到: {output_folder}")
# 替换为你的PDF文件路径、保存路径
extract_images_from_pdf("安徽黄山风景.pdf", "安徽黄山风景.images")

⚠️备注：若图片较多，为方便图片查找存储格式为：页码+图片序列.jpeg 

结果展示：

🌱《安徽黄山风景.pdf》转PPT，代码如下：

from spire.pdf import PdfDocument, FileFormat
# 定义PDF转PPT的函数
def pdf_to_ppt(pdf_path, ppt_path):
    # 创建PdfDocument类的实例
    pdf = PdfDocument()
    # 加载PDF文件
    pdf.LoadFromFile(pdf_path)
    # 将PDF保存为PPT
    pdf.SaveToFile(ppt_path, FileFormat.PPTX)
    pdf.Close()
    print("PPT转换成功！")
pdf_to_ppt("安徽黄山风景.pdf", "安徽黄山风景.pptx")

结果展示：

转换后的PPT如下图所示：

⚠️备注：Spire库可以简单便捷的实现PDF转PPT，同在线转换的收费软件功能一致，免费版本转换后会有一行红色水印在固定位置，手动删除水印即可，如果PDF文件页数较多可先切分为每10页/份，再进行转换

📌另，若为扫描版的PDF文件，其本质是图片而非可选中文本，直接转换效果不理想，需借助OCR光学字符识别技术协助处理

📌至此从PDF文件中批量提取文字、图片、一键转PPT你已轻松拿捏

🏁结语：

🚀希望这篇教程能帮您解决PDF处理的困扰！

👉若觉得有用，收藏起来，需要时随时翻出来~

📌也可关注微信 公众号：“ Python-伍六七 ”，将持续输出Python 实用技巧 与 干货案例 ！

Python 操作PDF技巧