Cómo Convertir PDF A Imagen en Python

1. Instalar PDF2Image Python Library

PDF2Image es un módulo que usa pdftocairo y pdftoppm. Funciona en Python 3.7+ para convertir PDF a un objeto de imagen PIL. Su historial de versiones anteriores muestra que solo usaba pdftoppm para convertir PDF a imágenes y funcionaba solo en Python 3+.

Para instalar el paquete pdf2image, abre tu símbolo del sistema de Windows o Windows PowerShell y usa el siguiente comando pip:

pip install pdf2image

pip install pdf2image

Pip (Programador Preferido de Instalación) es el gestor de paquetes para Python. Descarga e instala paquetes de software de terceros que ofrecen características y funcionalidades no encontradas en la biblioteca estándar de Python.

Nota: Para ejecutar este comando desde cualquier parte de la línea de comandos, Python debe estar agregado al PATH. Para Python 3+, se recomienda usar pip3 ya que es la versión actualizada de pip.

2. Instalar Poppler

brew install poppler

brew install poppler

3. Código para convertir archivos PDF en archivos de imagen

El siguiente código realizará la conversión de imagen del archivo PDF de entrada:

from pdf2image import convert_from_path

# Notify the user that the process is starting
print("Please wait while the file is being loaded.")
file = convert_from_path('file.pdf')

# Iterate over all pages in the PDF file
for i in range(len(file)):
    # Update user on progress
    print("Progress: " + str(round(i / len(file) * 100)) + "%")
    # Save each page as a JPG image file
    file[i].save('page' + str(i + 1) + '.jpg', 'JPEG')

# Notify the user that the conversion is successful
print("Conversion Successful")

from pdf2image import convert_from_path

# Notify the user that the process is starting
print("Please wait while the file is being loaded.")
file = convert_from_path('file.pdf')

# Iterate over all pages in the PDF file
for i in range(len(file)):
    # Update user on progress
    print("Progress: " + str(round(i / len(file) * 100)) + "%")
    # Save each page as a JPG image file
    file[i].save('page' + str(i + 1) + '.jpg', 'JPEG')

# Notify the user that the conversion is successful
print("Conversion Successful")

En el código anterior, primero abrimos el archivo usando el método convert_from_path. Este método abre el archivo ubicado en la ruta especificada. Luego, iteramos por cada página del archivo PDF para ser convertido a imágenes JPG. Finalmente, se usa el método save para guardar cada página convertida como un archivo de imagen JPG. Ahora, ejecuta el programa y espera a que la conversión se complete. Los archivos de imagen de salida se guardan en la misma carpeta que el programa.

1. Instalar la librería Python PyMuPDF

PyMuPDF es un enlace extendido de Python a MuPDF, que es un visor, renderizador y herramienta de libro electrónico, PDF y XPS ligero. Puede ser utilizado para convertir PDF a otros formatos como JPG o PNG. PyMuPDF funciona en versiones de Python 3.7+.

Para instalar el paquete PyMuPDF, abre tu símbolo del sistema de Windows o Windows PowerShell y usa el siguiente comando pip:

pip install pymupdf

pip install pymupdf

Ten en cuenta que PyMuPDF no requiere bibliotecas adicionales como el paquete PDF2Image.

2. Código para convertir archivos PDF en imágenes

El siguiente código importará el módulo fitz de PyMuPDF, para que podamos convertir el PDF a imágenes:

import fitz  # PyMuPDF

# Open the PDF file
doc = fitz.open("file.pdf")

# Iterate over each page in the document
for x in range(len(doc)):
    page = doc.load_page(x)  # Load a specific page
    pix = page.get_pixmap()  # Render page to image
    output = "output/pdfpage" + str(x + 1) + ".png"  # Specify output path
    pix.save(output)  # Save the image to the output path

# Close the document
doc.close()

import fitz  # PyMuPDF

# Open the PDF file
doc = fitz.open("file.pdf")

# Iterate over each page in the document
for x in range(len(doc)):
    page = doc.load_page(x)  # Load a specific page
    pix = page.get_pixmap()  # Render page to image
    output = "output/pdfpage" + str(x + 1) + ".png"  # Specify output path
    pix.save(output)  # Save the image to the output path

# Close the document
doc.close()

En el código anterior, el nombre del archivo se pasa como argumento al método fitz.open para abrir el archivo. A continuación, itero a través de todo el documento y cargo cada página por separado. Se utiliza el método get_pixmap para convertir cada página del documento a píxeles de imagen, y la imagen resultante se guarda en la carpeta de salida utilizando el método save. Finalmente, el documento abierto se cierra para liberar memoria.

En comparación con PDF2Image, PyMuPDF es más rápido al convertir PDF a PNG. PDF2Image puede ser lento para el formato PNG debido a su relación de compresión. La salida es la misma que la de PDF2Image:

Biblioteca IronPDF

IronPDF es una biblioteca utilizada para generar, leer y manipular archivos PDF. Su especialidad radica en renderizar HTML a PDF con la ayuda del motor de Chromium. Esta característica la hace popular entre los desarrolladores que necesitan convertir archivos HTML o URL a documentos PDF. Además, proporciona conversión de varios formatos a archivos PDF.

También puedes rasterizar un archivo PDF a imágenes usando solo dos líneas de código. El siguiente código demuestra cómo convertir PDFs a diferentes formatos de imagen:

using IronPdf;

var Renderer = new IronPdf.ChromePdfRenderer();
var PDF = Renderer.RenderUrlAsPdf("https://example.com");
PDF.SaveAs("html.pdf");

// Rasterize the PDF
List<string> Images = PDF.RasterizeToImageFiles(ImageType.Png);

using IronPdf;

var Renderer = new IronPdf.ChromePdfRenderer();
var PDF = Renderer.RenderUrlAsPdf("https://example.com");
PDF.SaveAs("html.pdf");

// Rasterize the PDF
List<string> Images = PDF.RasterizeToImageFiles(ImageType.Png);

Imports IronPdf

Private Renderer = New IronPdf.ChromePdfRenderer()
Private PDF = Renderer.RenderUrlAsPdf("https://example.com")
PDF.SaveAs("html.pdf")

' Rasterize the PDF
Dim Images As List(Of String) = PDF.RasterizeToImageFiles(ImageType.Png)

Descargar IronPDF y pruébalo gratis.