PythonでPDFのページを画像に保存する方法

はじめに

個人の備忘録としてのメモです

方法

PyMuPDF

import fitz

with fitz.open("test.pdf") as doc:
    for i, page in enumerate(doc):
        image = page.get_pixmap()
        file_name = f"{i+1}.jpg"
        image.save(file_name)

pikepdf + pdf2image

from pdf2image import convert_from_path
from pikepdf import Pdf

with Pdf.open(source_path) as pdf:
    for i, page in enumerate(pdf.pages):
        page_size = page.MediaBox
        temp_pdf_file = f"temp_{i+1}.pdf"
        temp_pdf = Pdf.new()
        temp_pdf.pages.append(page)
        temp_pdf.save(temp_pdf_file)
        image_file_path = convert_from_path(
            temp_pdf_file,
            fmt="jpeg",
            paths_only=True,
            size=(page_size[2], page_size[3]), # デフォルトだと別のサイズになってしまうので、ここでページのサイズを指定している
        )

PyPDF2 + pdf2image

基本的に、PDFを読み込むのを PyPDF2 に変えただけ。

from pdf2image import convert_from_path
from PyPDF2 import PdfFileReader, PdfFileWriter

with open(source_path, "rb") as file:
    pdf = PdfFileReader(file)
    page_count = pdf.getNumPages()
    for i in range(0, page_count):
        page = pdf.getPage(i)
        page_size = page.mediaBox
        temp_pdf_file = f"temp_{i+1}.pdf"
        temp_pdf = PdfFileWriter()
        temp_pdf.addPage(page)
        with open(temp_pdf_file, "wb") as new_file:
            temp_pdf.write(new_file)
        image_file_path = convert_from_path(
            temp_pdf_file,
            fmt="jpeg",
            paths_only=True,
            size=(page_size.upperRight[0], page_size.upperRight[1]),
        )

おまけ

2022/02/08時点で、 pikepdf を AWS Lambda の Arm64 のインスタンスでインストールしようとすると、
qpdf 関連のエラーでインストールできないので、その場合は PyPDF2 が良さそう。
それ以外（x86）では、 pikepdf が良さそう。（メイン処理が C++ で実装されているので、そちらが高速だと思われる）