Python 3.x 将PDF文件夹转换为CMYK值的csv

tldr：如何将PDF文件夹转换为CMYK值（或RGB或任何类型的色阶值）列表，最好使用python

我有一个文件夹，里面有大约100000个文档。为了简化这些文档的采样，我想对文档进行数据分析（聚类和异常检测），我想要的一个指标是CMYK覆盖率。python中是否有（最好）计算PDF的CMYK覆盖率的方法或包

****编辑****

---

经过一些研究，我发现GhostScript应该提供我所需要的功能，如果有人能帮助我实现，我仍然会非常感激。

/gs-sDEVICE=inkcov-sOutputFile=out.txt input.pdf应该为文件中的每个页面提供CMYK覆盖范围

您可以使用

-dQUIET-o-

而不是

-sOutputFile

将输出发送到stdout

然后，您需要一些批处理脚本，这将取决于您的操作系统。在Windows上，例如：

for %s in (folder/*.pdf) do gswin64c -dQUIET -sDEVICE=inkcov -o - "%s" >> coverage.txt

应该从文件夹中获取每个文件，通过inkcov设备运行它并将输出发送到stdout，我们将其重定向到一个文件并使用

>

，以便每次执行都附加到该文件，而不是覆盖以前的输出

---

当然，您需要在每次运行后删除输出文件。

inkcov设备将计算文档每页上CMYK的覆盖率。恐怕我不明白您真正想要的是什么，您似乎想要每个文档（而不是每页）的CMYK覆盖率，这对我来说似乎没有什么用处。我想你可以将每页的总覆盖率除以页数得到一个平均值。每页CMYK可以很好地工作，不幸的是，我只是很难做到这一点