# 1. 安裝 pdf2image
pip install pdf2image

# 2. 安裝依賴的 poppler 工具
## Windows：下載預(yù)編譯包并添加到 PATH
## macOS：brew install poppler
## Ubuntu/Debian：sudo apt-get install poppler-utils

from pdf2image import convert_from_path

# 將 PDF 所有頁轉(zhuǎn)換為 JPEG
images = convert_from_path('document.pdf', dpi=200)

# 保存所有圖像
for i, image in enumerate(images):
    image.save(f'page_{i+1}.jpg', 'JPEG')

images = convert_from_path(
    'document.pdf',
    dpi=300,                # 分辨率
    first_page=5,           # 起始頁
    last_page=10,           # 結(jié)束頁
    fmt='png',              # 輸出格式
    output_folder='output', # 輸出目錄
    output_file='doc_page', # 文件名前綴
    thread_count=4,         # 使用4線程
    size=(1200, None)       # 寬度1200px，高度按比例
)

images = convert_from_path('document.pdf')

# 使用 PIL 功能處理圖像
for img in images:
    # 轉(zhuǎn)換為灰度圖
    grayscale = img.convert('L')
    grayscale.save('grayscale_page.jpg')

# 支持格式示例
convert_from_path(..., fmt='jpeg')  # JPEG (默認(rèn))
convert_from_path(..., fmt='png')   # 無損PNG
convert_from_path(..., fmt='tiff')  # TIFF格式

# 生成PDF縮略圖
convert_from_path('report.pdf', 
                first_page=0, 
                last_page=0, 
                size=(300, 400),
                output_folder='thumbnails',
                output_file='preview')

# 為Tesseract準(zhǔn)備高對比度圖像
images = convert_from_path('scan.pdf', dpi=300)
for i, img in enumerate(images):
    # 增強(qiáng)對比度
    enhanced = ImageEnhance.Contrast(img).enhance(2.0)
    enhanced.save(f'ocr_page_{i}.png')

import os

pdf_folder = 'documents'
output_folder = 'converted'

for pdf_file in os.listdir(pdf_folder):
    if pdf_file.endswith('.pdf'):
        path = os.path.join(pdf_folder, pdf_file)
        convert_from_path(path, 
                         output_folder=output_folder,
                         output_file=os.path.splitext(pdf_file)[0],
                         fmt='jpeg')

import fitz
from pdf2image import convert_from_path

# 使用PyMuPDF提取特定頁面
with fitz.open('large_document.pdf') as doc:
    # 提取第5-10頁為新PDF
    doc.select([4, 5, 6, 7, 8, 9])
    doc.save('subset.pdf')

# 轉(zhuǎn)換提取的頁面
convert_from_path('subset.pdf', dpi=150)

# 使用路徑而非字節(jié)流減少內(nèi)存占用
convert_from_path('large.pdf')  # 優(yōu)于 convert_from_bytes()

total_pages = 1000
chunk_size = 100

for start in range(0, total_pages, chunk_size):
    end = min(start + chunk_size - 1, total_pages - 1)
    convert_from_path('huge.pdf', 
                    first_page=start, 
                    last_page=end,
                    output_folder=f'chunk_{start//chunk_size}')

# 顯式關(guān)閉資源
images = convert_from_path(...)
for img in images:
    img.close()

images = convert_from_path('doc.pdf', poppler_path=r'C:\poppler-xx\bin')

# 目前不支持加密PDF，需先用其他工具解密

# 提高JPEG質(zhì)量（默認(rèn)75）
convert_from_path(..., jpegopt={'quality': 95})

# 添加超時(shí)和錯(cuò)誤處理
from pdf2image.exceptions import PDFInfoNotInstalledError, PDFPageCountError

try:
    images = convert_from_path('doc.pdf', timeout=120)
except (PDFInfoNotInstalledError, PDFPageCountError) as e:
    print(f"轉(zhuǎn)換失敗: {str(e)}")
    # 回退方案或日志記錄

FROM python:3.9-slim
RUN apt-get update && apt-get install -y poppler-utils
COPY requirements.txt .
RUN pip install -r requirements.txt

# 高質(zhì)量歸檔轉(zhuǎn)換配置
convert_from_path(
    'important.pdf',
    dpi=300,
    fmt='tiff',
    output_folder='archives',
    jpegopt={'quality': 100} if fmt == 'jpeg' else None,
    thread_count=os.cpu_count() // 2  # 保留部分CPU資源
)

# 單文件多頁TIFF輸出
convert_from_path('doc.pdf', 
                single_file=True,
                output_file='combined.tiff',
                fmt='tiff')