如何提取多份PDF文件中包含图片的完整页面？

命令行工具方案（适合快速单文件处理） #

• 组合pdfgrep和pdftk工具，先定位含图片的页码，再提取对应页面
  1. 安装工具：
     • Ubuntu/Debian：sudo apt install pdfgrep pdftk
     • macOS：brew install pdfgrep pdftk-java
  2. 检测含图片的页码：
     执行命令：pdfgrep -n "/Subtype /Image" input.pdf
     输出会显示所有包含图片的页码（格式类似2:/Subtype /Image），手动整理出页码列表（比如2,5,7）
  3. 提取目标页面：
     pdftk input.pdf cat 2 5 7 output pages_with_images.pdf

Python脚本方案（适合批量自动化处理） #

用pdfplumber检测页面内的图片，结合PyPDF2提取对应页面，代码示例：

import pdfplumber
from PyPDF2 import PdfWriter, PdfReader
import os

# 批量处理指定目录下的所有PDF
input_dir = "./your_pdf_dir"
output_dir = "./output_images_pages"

os.makedirs(output_dir, exist_ok=True)

for filename in os.listdir(input_dir):
    if not filename.endswith(".pdf"):
        continue
    input_path = os.path.join(input_dir, filename)
    output_path = os.path.join(output_dir, f"img_pages_{filename}")
    
    writer = PdfWriter()
    reader = PdfReader(input_path)
    
    for page_idx in range(len(reader.pages)):
        with pdfplumber.open(input_path) as pdf:
            pdf_page = pdf.pages[page_idx]
            # 判断当前页面是否包含图片
            if len(pdf_page.images) > 0:
                writer.add_page(reader.pages[page_idx])
    
    with open(output_path, "wb") as out_file:
        writer.write(out_file)
    print(f"处理完成：{filename}")

使用前先安装依赖：pip install pdfplumber PyPDF2

注意事项 #

• 加密PDF需要先解密才能进行检测和提取
• 扫描版PDF（整页是图片的PDF）无法用上述方法检测，这类PDF本身就是图片载体，若需要提取可直接导出所有页面

内容的提问来源于stack exchange，提问作者xxgaryxx