PyMuPDF 极速入门：从零开始提取 PDF 中的全部图片

适用场景：备考刷题、整理错题本、提取 PDF 配图（E-R图、UML图、几何图形等）
工具：Python 3.11 + PyMuPDF (fitz)
耗时：约 5 分钟

1. 检查 Python 环境

打开终端（CMD 或 PowerShell），确认 Python 已安装：

python --version
# 应输出类似：Python 3.11.15

如果提示 'python' 不是内部或外部命令，尝试用 py 代替：

py --version

2. 安装 PyMuPDF 库

使用国内镜像源（清华）加速下载：

pip install PyMuPDF -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成后，验证是否成功：

python -c "import fitz; print('PyMuPDF 已安装，版本：', fitz.__version__)"

3. 探测 PDF 基本信息（可选但建议）

在正式提取前，先确认你的 PDF 能被正常读取，并查看总页数：

python -c "import fitz; doc=fitz.open(r'你的PDF文件路径.pdf'); print(f'成功打开，共{len(doc)}页')"

📌 路径建议：Windows 路径建议用原始字符串 r"..."，避免反斜杠转义问题。

4. 编写裁剪脚本

新建一个文本文件，命名为 extract.py，粘贴以下内容：

import fitz
import os
from pathlib import Path

# ====== 修改这两个路径 ======
pdf_path = r"你的PDF文件路径.pdf"      # 例如 r"D:\资料\真题.pdf"
output_dir = r"./extracted_images"     # 图片保存目录
# ===========================

Path(output_dir).mkdir(parents=True, exist_ok=True)
doc = fitz.open(pdf_path)
print(f"📄 共 {len(doc)} 页，开始提取图片...")

total = 0
for page_num in range(len(doc)):
    page = doc[page_num]
    img_list = page.get_images(full=True)
    if not img_list:
        continue
    print(f"  第 {page_num+1} 页发现 {len(img_list)} 张图")
    for idx, img in enumerate(img_list):
        xref = img[0]
        base = doc.extract_image(xref)
        img_bytes = base["image"]
        ext = base["ext"]
        filename = f"page{page_num+1}_{idx+1}.{ext}"
        filepath = os.path.join(output_dir, filename)
        with open(filepath, "wb") as f:
            f.write(img_bytes)
        total += 1
        print(f"     已保存：{filename}")

doc.close()
print(f"✅ 完成！共提取 {total} 张图片，保存在 {output_dir}")

5. 运行脚本

方法一：在脚本所在目录直接运行

python extract.py

方法二：如果提示 'python' 不是内部命令

py extract.py

方法三：使用绝对路径（无论当前在哪个目录都行）

python "D:\你的文件夹\extract.py"

⚠️ 常见报错：如果提示 can't open file '7.py': [Errno 2] No such file or directory，说明当前终端目录与脚本位置不一致。先用 cd 切换到脚本所在目录，再运行。

6. 检查提取结果

打开输出文件夹（./extracted_images），你会看到类似这样的文件：

page1_1.png
page1_2.jpeg
page2_1.png
...

每个文件对应 PDF 中某一页上的一个图片对象（包括：配图、水印、二维码、Logo 等）。

7. 关于“多余图片”（二维码/水印）

提取出来的图片中如果包含二维码、页眉页脚等无关元素，直接手动删除即可，它们不影响后续使用。

如果你想在提取时自动过滤掉小尺寸图片（比如二维码），可以在脚本中加一个尺寸判断：

width = base.get("width", 0)
height = base.get("height", 0)
if width < 200 and height < 200 and abs(width - height) < 50:
    print(f"  ⏭️ 跳过小图标/二维码 ({width}x{height})")
    continue

8. 软考 / 题库场景的下一步

提取出图片后，你只需要把图片文件名填入 CSV 的 配图文件名 列，与题目文本关联起来，就可以驱动你的“自动抽题 + 批改”学习系统了。

附录：常用命令速查

总结：从零搭建一个 PDF 图片提取器，只需 3 条命令 + 1 个脚本。这套流程适用于所有包含配图的 PDF 资料（考试真题、教材、错题本等），是搭建个人自动化学习系统的基础设施之一。