pdf2image：PDF 转图片的 Python 小工具

pdf2image 在 GitHub 上拿到了 1,971 个 Star。

这是一个轻量级的 Python 模块，封装了 pdftoppm 和 pdftocairo，把 PDF 页面转成 PIL Image 对象。如果你做文档处理、批量生成缩略图、或者需要把 PDF 内容嵌入到图片流程里，这个小工具能省不少事。

1、 这玩意儿是干嘛的

核心就一件事：把 PDF 的每一页转成一张图片。

它不做复杂的 PDF 解析，也不处理排版，只是调用 poppler 的 pdftoppm 或 pdftocairo，把页面栅格化成 PIL Image 对象。返回的是一个列表，每个元素对应 PDF 的一页。

支持两种入口：

from pdf2image import convert_from_path, convert_from_bytes

convert_from_path 从文件路径读取，convert_from_bytes 从二进制数据读取。如果你担心大文件撑爆内存，可以用 output_folder 参数把图片写到磁盘，或者用 paths_only=True 只返回路径而不加载进内存。

2、 安装

Python 3.7 以上直接 pip：

pip install pdf2image

但这只是 Python 层面的包，底层依赖 poppler。不同系统的装法不一样：

Windows：下载 poppler for Windows，把 bin 目录加到 PATH，或者在代码里指定 poppler_path。

Mac：brew install poppler

Linux：大部分发行版自带 pdftoppm，没有的话装 poppler-utils。

conda：conda install -c conda-forge poppler

3、 怎么用

最简单的用法，一行代码：

images = convert_from_path('/path/to/example.pdf')

images 是一个列表，每个元素是 PIL Image，按页码顺序排列。

如果需要更细的控制，常用参数有这些：

参数	作用
dpi	输出分辨率，默认 200
first_page / last_page	只转换指定页码范围
fmt	输出格式，支持 ppm、jpeg、png 等
output_folder	输出目录，避免内存占用过高
paths_only	返回文件路径列表，不返回 Image 对象
size	控制输出尺寸，支持等比缩放或强制尺寸
grayscale	转为灰度图
thread_count	并发线程数
timeout	超时时间，防止卡住
use_pdftocairo	强制使用 pdftocairo，性能更好

示例，指定分辨率和输出目录：

import tempfile

with tempfile.TemporaryDirectory() as path:
    images = convert_from_path('example.pdf', dpi=300, output_folder=path)

4、 性能相关

几个实际用下来的经验：

SSD 上配 output_folder 会快很多，因为 I/O 瓶颈被缓解了。机械硬盘别指望。

线程数超过 4 收益递减，I/O 会压死。JPEG 格式比 PNG 快，PNG 的压缩开销大。

大 PDF 直接转内存容易 OOM，尤其是几百页以上的文档。这时候 output_folder 或 paths_only 是必须的。

5、 适合哪些场景

• 需要把 PDF 页面批量生成预览缩略图的后端服务
• 文档处理管线里，把 PDF 转成图片再喂给 OCR 或视觉模型
• 需要按页码截取 PDF 内容的自动化脚本

它只干一件事，但这件事干得够直接。不绕弯子，不拖泥带水，代码量也不大，读源码或者二次封装都不费劲。

成图片再喂给 OCR 或视觉模型

• 需要按页码截取 PDF 内容的自动化脚本

它只干一件事，但这件事干得够直接。不绕弯子，不拖泥带水，代码量也不大，读源码或者二次封装都不费劲。