用python解压并保存PDF格式的zlib数据

我们每天都会收到PDF文件，我们需要把图像拿出来。例如，我想做的是使用python将图像从中恢复。我们得到的大多数pdf文件都是多页的，我们希望将每个嵌入的图像导出到单独的文件中。大多数都有jpeg文件，但他的一个没有

对象5作为zlib压缩流嵌入。我很确定它是zlib压缩的，因为它被标记为FlateCode，流的开始是\x78\x9c，这是zlib的典型特征。你可以看到（部分）

问题是，如何“放气”并保存生成的文件

---

谢谢你分享你的智慧。

我到处找，尝试了很多东西，但都没能找到工作。我设法像这样解压数据：

import zlib
with open("MDL1703140088.pdf", "rb") as f:
    pdf = f.read()

image = zlib.decompress(pdf[640:69307])

640是zlib页眉（

b'x\x9c'

）位置，69307是类似pdf规范页脚的位置。

b'\nendstream\n'

在那里。详细信息见，可以找到一些有用的问答。但在这种情况下可以省略结束位置，因为它似乎忽略了以下非压缩数据。您可以通过以下方式对此进行验证：

decomp = zlib.decompressobj()
image = decomp.decompress(pdf[640:])
print(decomp.unused_data)  # starts from b'\nendstream\n

到目前为止还不错。但是，当我将

图像

写入PNG文件时，任何图像查看器都无法读取该文件。实际上，解压后的数据到处都是空的。我附加了一些PNG标题，但没有运气。嘿，太多了

---

正如我之前所说（奇怪的是，我的评论被人删除了），你最好使用一些其他现有的工具。如果Acrobat不是你的选择，那怎么办

pdftopng MDL1703140088.pdf。

完美地为我提供了一个有效的PNG文件。显然，您可能知道，命令行工具可以在Python中执行。

是的，我们每天都会收到几十个pdf文件，其中至少有四页。我们需要自动提取，相信我，你检查过了吗？是的，当我尝试使用wand（最简单的）时，我的整个macbook无缘无故地崩溃了。而且，我也不允许在服务器上安装额外的库，因为它将被部署到服务器上。所以，我用它来提取jpg文件，但是带有“\x78\x9c”的图像我不知道该怎么做。服务器有inkscape吗？它可以在命令行模式下运行。不，它不能，我也不能安装iet：（使用pdftopng是一个好主意。当然。但是（总是有一个但不存在；D）我不能在它将运行的服务器上添加库或工具。服务器不是我们的：(