#!/usr/bin/env python3 """Извлечение встроенных изображений из PDF.""" from __future__ import annotations import argparse import hashlib import sys from pathlib import Path from pypdf import PdfReader from pypdf.errors import PdfReadError ALLOWED = {".png", ".jpg", ".jpeg", ".jp2", ".tif", ".tiff", ".bmp", ".gif", ".webp"} FORMAT_SUFFIX = {"JPEG": ".jpg", "PNG": ".png", "JP2": ".jp2", "TIFF": ".tiff", "BMP": ".bmp", "GIF": ".gif", "WEBP": ".webp"} def parse_pages(spec: str, total: int) -> set[int]: pages: set[int] = set() for part in spec.split(","): part = part.strip() if not part: continue if "-" in part: left, right = part.split("-", 1) start = int(left) if left.strip() else 1 end = int(right) if right.strip() else total pages.update(range(start, end + 1)) else: pages.add(int(part)) return {page for page in pages if 1 <= page <= total} def pick_suffix(name: str, image: object) -> str: suffix = Path(name or "").suffix.lower() if suffix in ALLOWED: return suffix fmt = getattr(image, "format", None) return FORMAT_SUFFIX.get(str(fmt).upper(), ".png") def main() -> int: parser = argparse.ArgumentParser(description="Извлечь изображения из PDF") parser.add_argument("input", type=Path, help="Исходный PDF") parser.add_argument("--pages", help="Страницы, например 1-5") parser.add_argument("--outdir", type=Path, default=Path("images"), help="Папка результатов") parser.add_argument("--force", action="store_true", help="Перезаписать результаты") args = parser.parse_args() path = args.input.expanduser() if not path.is_file(): print(f"Файл не найден: {path}", file=sys.stderr) return 2 try: reader = PdfReader(str(path)) except (PdfReadError, OSError) as error: print(f"Не удалось открыть PDF: {error}", file=sys.stderr) return 1 total = len(reader.pages) selected = parse_pages(args.pages, total) if args.pages else set(range(1, total + 1)) outdir = args.outdir.expanduser() seen: set[str] = set() saved = 0 skipped = 0 for number in sorted(selected): page = reader.pages[number - 1] try: images = list(page.images) except Exception as error: print(f"Страница {number}: изображения не читаются: {error}", file=sys.stderr) continue for index, image in enumerate(images, start=1): try: data = image.data digest = hashlib.sha1(data).hexdigest() if digest in seen: skipped += 1 continue seen.add(digest) try: suffix = pick_suffix(image.name, image.image) except Exception: suffix = pick_suffix(image.name, None) target = outdir / f"{path.stem}_p{number:03d}_{index:02d}{suffix}" if target.exists() and not args.force: print(f"Пропуск, уже существует: {target}") skipped += 1 continue target.parent.mkdir(parents=True, exist_ok=True) target.write_bytes(data) saved += 1 except Exception as error: print(f"Страница {number}, изображение {index}: {error}", file=sys.stderr) print(f"Сохранено изображений: {saved}, пропущено: {skipped}") return 0 if saved else 1 if __name__ == "__main__": raise SystemExit(main())