PyPDF2/pdfminer获取PDF页面尺寸与Acrobat导出图片尺寸不符问题求助

一、你获取的尺寸数值来源解释 #

• 你通过PyPDF2和pdfminer得到的459.048x675.048是PDF的MediaBox尺寸，单位为点（pt），1点=1/72英寸。这个尺寸是PDF文件本身定义的原始页面边界，包含了印刷所需的边距、出血位等所有元素，并非实际可见内容的区域。
• Acrobat导出的459x715是像素尺寸，它的计算逻辑是：Acrobat会先识别PDF中实际有内容的区域（而非依赖预设的MediaBox/CropBox），再根据你导出时设置的分辨率（默认通常为96DPI）将点尺寸转换为像素值，这就导致了两者比例的差异。

二、获取与Acrobat导出JPEG一致尺寸的方法 #

要得到和Acrobat导出JPG匹配的尺寸，需精准识别实际内容边界并转换为对应分辨率的像素：

推荐用PyMuPDF（fitz）实现 #

PyMuPDF能直接获取页面的内容边界框，和Acrobat识别的可见区域完全一致：

import fitz  # 需先安装：pip install pymupdf

def get_acrobat_like_size(pdf_path, dpi=96):
    doc = fitz.open(pdf_path)
    page = doc[0]  # 处理第一页，多页可循环遍历
    # 获取页面所有内容的边界框，返回(x0, y0, x1, y1)，单位为点
    content_bbox = page.get_text("bbox")
    # 计算内容区域的宽高（点）
    width_pt = content_bbox[2] - content_bbox[0]
    height_pt = content_bbox[3] - content_bbox[1]
    # 转换为对应分辨率的像素（Acrobat默认96DPI，可根据导出设置调整）
    width_px = int(round(width_pt * dpi / 72))
    height_px = int(round(height_pt * dpi / 72))
    doc.close()
    return (width_px, height_px)

# 示例调用
print(get_acrobat_like_size("your_document.pdf"))

补充：PDF各类Box的区别 #

• MediaBox：PDF的原始页面总尺寸，包含所有非内容区域
• CropBox：预设的可见裁剪边界，可能和实际内容区域不匹配
• ArtBox：设计时的艺术内容边界，通常小于CropBox
• 实际内容边界：由页面上文本、图像等元素的位置决定，是Acrobat导出时的核心参考

内容的提问来源于stack exchange，提问作者calwex718