如何将 PDF 文档解析为图像数组直接到 RAM 缓冲区

问题描述

我正在尝试将一个巨大的 PDF 文档解析为图像列表（每个图像都有一个 bmp 格式）。我使用 ghostscript 和 python 将 PDF 解析为 numpy 数组列表，但使用了非常无用的方法：

def get_imgs_gs(path_to_pdf):
        cpu_number = os.cpu_count() # get number of cores
    
        folderName = "bmp_imgs" # name of temporary folder to save images
        Path(folderName).mkdir(parents=True,exist_ok=True) # create the folder 
        absPath = os.path.abspath(folderName) # get absolute path to the folder
    
        args = [
            'gs','-sDEVICE=bmpgray',f'-g{WIDTH}x{HEIGHT}',# f'-dNumRenderingThreads={cpu_number}','-r247x247','-dnopAUSE','-dBATCH',f'-sOutputFile="{absPath}/%04d.bmp"',path_to_pdf
        ]
        ghostscript.Ghostscript(*args) # run ghostscript
    
        content = os.listdir(absPath) # get the folder's content (list of images name)
        content.sort() # sort names to iterate by true order
    
        imgs = [None]*len(content) # read images
        for i in range(len(content)):
            imgs[i] = plt.imread(absPath + '/' + content[i])
        shutil.rmtree(absPath) # remove images
    
        return imgs

正如您从上面的代码中看到的，我保存了这些图像，然后将其删除。

那么，我怎样才能避免这一步。我尝试使用 gs 的 ANSI-c API，但没有找到解决方案。唯一从 std 中获取图像位图的机会。

有人可以帮我吗？顺便说一句，我想提高速度（-dNumRenderingThreads={cpu_number}），但对我没有帮助。也许有人可以帮助我。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）