使用PyPDF2读取PDF中PA模式图片时触发cannot write mode PA as PNG错误

问题原因 #

PDF中的图片采用了PA模式（调色板+Alpha通道），PIL的PNG插件不支持直接将这种模式的图片保存为PNG格式。而PyPDF2的page.images属性内部会自动尝试将提取的图片转为PNG，因此触发该报错。

解决方案 #

不要依赖PyPDF2内置的图片提取逻辑，手动遍历页面的XObject资源，提取图片字节流后自行处理模式转换，再适配cv2的格式要求。

替换后的核心代码 #

from PyPDF2 import PdfReader
from PIL import Image
import io
import cv2
import numpy as np

def extract_pdf_images(pdf_file):
    reader = PdfReader(pdf_file)
    images_for_cv2 = []
    
    for page in reader.pages:
        # 遍历页面所有XObject资源，筛选图片类型
        xobjects = page.get_object()["/Resources"].get("/XObject", {})
        for obj in xobjects.values():
            if obj.get("/Subtype") == "/Image":
                # 读取图片字节流并打开
                img_data = obj.get_data()
                img = Image.open(io.BytesIO(img_data))
                
                # 处理PA模式：转换为RGBA兼容格式
                if img.mode == "PA":
                    img = img.convert("RGBA")
                
                # 转换为cv2支持的BGR格式
                img_np = np.array(img)
                img_cv2 = cv2.cvtColor(img_np, cv2.COLOR_RGB2BGR)
                images_for_cv2.append(img_cv2)
    
    return images_for_cv2

# 在你的readPdf函数中替换原有逻辑
# 示例：
# def readPdf(pdf_file, variable="second", value=1):
#     images[value] = extract_pdf_images(pdf_file)

关键说明 #

1. 手动遍历XObject绕过了PyPDF2内部的自动PNG转换，避免触发模式不兼容报错。
2. 将PA模式转换为RGBA，既保留原图片的透明通道，又能被PIL和cv2正常处理。
3. 转换颜色通道（RGB→BGR）是因为cv2默认使用BGR颜色空间，与PIL的RGB格式匹配。

内容的提问来源于stack exchange，提问作者YAŞAR EMRE DOĞRU