基于Python给出的PDF文档转Markdown文档的方法
注：网上有很多将Markdown文档转为PDF文档的方法，但是却很少有将PDF文档转为Markdown文档的方法。就算有，比如某些网站声称可以将PDF文档转为Markdown文档，尝试过，不太符合自己的要求，而且无法保证文档没有泄露风险。于是本人为了解决这个问题，借助GPT（能使用GPT镜像或者有条件直接使用GPT的，反正能调用GPT接口就行）生成Python代码来完成这个功能。笔记、代码难免存在问题，若有错误，欢迎指出。本次笔记记录于24.1.21。（中途运行时，发现代码中存在bug从而对代码进行了更新，比如md文件的相对路径需要进行URL编码，否则可能会因空格等原因导致无法预览图片。）
一、使用需求
Markdown文档与PDF等文档，个人认为有以下优点，所以本人在某些时候更喜欢使用md文件：1.Markdown文档添加书签更加方便快捷。2.在github/gitee上打开仓库即可直接浏览。3.便于编辑。PDF很难继续编辑，想要添加内容非常麻烦，不如Markdown文档来的直接。
二、使用效果
注：图中PDF是本人去网上随便找的。
三、本次Python代码的思路
代码思路： - 导入必要的库，包括os、fitz（PyMuPDF）和Image（Pillow）。 - 定义一个函数convert_pdf_to_images，该函数将PDF文档转换为图像列表。它使用PyMuPDF库获取PDF页面的图像数据，然后使用Pillow库创建图像对象，并将这些图像保存到指定目录。 - 定义另一个函数save_images_to_markdown，该函数将图像列表保存到Markdown文件中。它使用用户提供的相对路径，在Markdown文件中插入图像路径。 - 在__main__部分，替换相应的文件路径，并调用上述两个函数完成PDF到Markdown的转换。 四、本次笔记提供的Python代码
""" 1.代码用途：完成PDF文件到Markdown文件的转换 2.代码思路： - 导入必要的库，包括os、fitz（PyMuPDF）和Image（Pillow）。 - 定义一个函数convert_pdf_to_images，该函数将PDF文档转换为图像列表。它使用PyMuPDF库获取PDF页面的图像数据，然后使用Pillow库创建图像对象，并将这些图像保存到指定目录。 - 定义另一个函数save_images_to_markdown，该函数将图像列表保存到Markdown文件中。它使用用户提供的相对路径，在Markdown文件中插入图像路径。 - 在__main__部分，替换相应的文件路径，并调用上述两个函数完成PDF到Markdown的转换。 3.使用方法：在__main__部分替换相应的文件路径，之后运行程序。 """ import os # 用于处理文件和目录路径的模块 import fitz # PyMuPDF，用于处理PDF文件 from PIL import Image # Pillow库，用于处理图像 from urllib.parse import quote # 导入urllib库中的parse模块，用于URL编码 def convert_pdf_to_images(pdf_path, image_output_dir): """ 将PDF转换为图像列表。 Parameters: pdf_path (str): PDF文件路径。 image_output_dir (str): 图像输出目录。 Returns: list: 包含所有页面图像的列表。 """ images = [] # 存储所有页面的图像 pdf_document = fitz.open(pdf_path) # 使用PyMuPDF打开PDF文档 # 创建图像输出目录，如果目录不存在则创建 os.makedirs(image_output_dir, exist_ok=True) # 遍历PDF的每一页 for page_number in range(pdf_document.page_count): page = pdf_document[page_number] # 获取页面图像 pixmap = page.get_pixmap() # 修复参数类型错误，将列表改为元组 image = Image.frombytes("RGB", (pixmap.width, pixmap.height), pixmap.samples) images.append(image) # 保存图像到指定目录 image_path = os.path.join(image_output_dir, f"image_{page_number + 1}.png") image.save(image_path) return images def save_images_to_markdown(images, output_md_path, image_relative_path): """ 将图像列表保存到Markdown文件中。 Parameters: images (list): 包含图像的列表。 output_md_path (str): 输出Markdown文件路径。 image_relative_path (str): 用户自定义的图片相对路径，例如 "images". Returns: None """ with open(output_md_path, "w", encoding="utf-8") as md_file: # 遍历图像列表 for index, image in enumerate(images): # 用户自定义的图片相对路径 image_path = os.path.join(image_relative_path, f'image_{index + 1}.png') # 将图片路径插入Markdown文件 md_file.write(f"\n") if __name__ == "__main__": # 替换为你的PDF文件路径 pdf_path = "D:/Python入门的学习笔记/Python入门/补充-实用Python程序设计/pdf课件/1. Python初探.pdf" # 图像输出目录 image_output_dir = "D:/Python入门的学习笔记/Python入门/补充-实用Python程序设计/pdf课件/图片/1. Python初探" # 根据”图像输出目录“自定义的图片相对路径 对应于md文档中”“ image_relative_path = "图片/1. Python初探/" # 使用URL编码将空格替换为"%20" image_relative_path = quote(image_relative_path) # 输出Markdown文件路径 output_md_path = "D:/Python入门的学习笔记/Python入门/补充-实用Python程序设计/pdf课件/1. Python初探.md" # 将PDF转换为图像列表，并保存到指定目录 images = convert_pdf_to_images(pdf_path, image_output_dir) # 将图像列表保存到Markdown文件中，使用用户自定义的图片相对路径 save_images_to_markdown(images, output_md_path, image_relative_path) 五、使用步骤
１.如下图所示，首先准备好需要转换的PDF文档，然后在同一个文件目录下创建一个名为"图片"的文件夹。
2.将本人提供的代码复制PyCharm中(其他能够运行python程序的地方亦可，如jupyter)，然后按照代码注释修改文件路径，如下图所示。
3.之后运行程序，效果如下。
好了，本次笔记记录到此，谢谢大家！
以上就是“基于Python给出的PDF文档转Markdown文档的方法”的全部内容，希望对你有所帮助。
关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
一、Python所有方向的学习路线
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
二、Python必备开发工具
三、Python视频合集
观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
四、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
五、Python练习题
检查学习结果。
六、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
最后祝大家天天进步！！
上面这份完整版的Python全套学习资料已经上传至CSDN官方，朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。