在 Django 中如何將上傳的 pdf 文件轉換為圖像文件並保存到數據庫中的相應列？

Question

我正在創建一個 HTML 模板來顯示 pdf 文件的封面（第一頁或用戶可以選擇一個）。 我希望 Django 無需額外上傳即可自動創建封面圖像。

pdf 文件是使用 Django Modelform 上傳的。 這是我的代碼的結構

模型.py

class Pdffile(models.Model):
    pdf = models.FileField(upload_to='pdfdirectory/')
    filename = models.CharField(max_length=20)
    pagenumforcover = models.IntegerField()
    coverpage = models.FileField(upload_to='coverdirectory/')

表格.py

class PdffileForm(ModelForm):
    class Meta:
        model = Pdffile
        fields = (
            'pdf',
            'filename',
            'pagenumforcover',
        )

視圖.py

def upload(request):
    if request.method == 'POST':
        form = PdffileForm(request.POST, request.FILES)
        if form.is_valid():
            form.save()
            return redirect('pdffilelist')
    else:
        form = PdffileForm()
    return render(request, "uploadform.html", {'form': form})


def pdfcover(request, pk):
    thispdf = get_object_or_404(Pdffile, pk=pk)

    return render(request, 'pdfcover.html', {'thispdf': thispdf})

在“pdfcover.html”中，我想使用 Django 模板語言，這樣我就可以為不同的上傳 pdf 文件呈現不同的 HTML。 這就是為什么我要將圖像文件保存到與 pdf 文件相同的列中。

我是 Python 的新手，Django 的新手，顯然是堆棧溢出的新手。 我已經嘗試過 pdf2image 和 PyPDF2，我相信它們都可以工作，但是我找不到正確的代碼。 如果各位大神賜教，我將不勝感激。

Answer 1

在pdf2image package 中有一個名為convert_from_path的 function 。

這是 package 內部對 function 的每個參數的作用的描述。

Parameters:
            pdf_path -> Path to the PDF that you want to convert
            dpi -> Image quality in DPI (default 200)
            output_folder -> Write the resulting images to a folder (instead of directly in memory)
            first_page -> First page to process
            last_page -> Last page to process before stopping
            fmt -> Output image format
            jpegopt -> jpeg options `quality`, `progressive`, and `optimize` (only for jpeg format)
            thread_count -> How many threads we are allowed to spawn for processing
            userpw -> PDF's password
            use_cropbox -> Use cropbox instead of mediabox
            strict -> When a Syntax Error is thrown, it will be raised as an Exception
            transparent -> Output with a transparent background instead of a white one.
            single_file -> Uses the -singlefile option from pdftoppm/pdftocairo
            output_file -> What is the output filename or generator
            poppler_path -> Path to look for poppler binaries
            grayscale -> Output grayscale image(s)
            size -> Size of the resulting image(s), uses the Pillow (width, height) standard
            paths_only -> Don't load image(s), return paths instead (requires output_folder)
            use_pdftocairo -> Use pdftocairo instead of pdftoppm, may help performance
            timeout -> Raise PDFPopplerTimeoutError after the given time

因為convert_from_path旨在能夠將 pdf 中的每一頁轉換為圖像，所以 function 返回一個 Image 對象數組。

如果您設置output_folder參數，每個圖像都將從基本目錄保存到該位置。 在這種情況下， output_folder必須是完整路徑，例如'path/from/root/to/output_folder' 。 如果不設置，轉換時圖像不會保存，僅在 memory 中。

默認情況下，如果您不設置output_file參數，function 將生成一個隨機格式的文件名，例如0a15a918-59ba-4f15-90f0-2ed5fbd0c36c-1.ext 。 雖然如果你設置了一個文件名，因為這個文件名用於轉換多個 pdf 頁面，如果你的output_file是'file_name'那么每個文件將從'file_name0001-1.ext'開始命名。

請注意，如果您設置output_file和output_folder並嘗試轉換兩個不同的 pdf，則第二個 pdf 將覆蓋第一個的圖像文件（如果它們位於同一目錄中）。

這是問題中圍繞您的代碼建模的一些代碼。 此代碼假定您已安裝pdf2image 。

我在pdf上添加了一個內置驗證器，因為如果上傳了 pdf 之外的任何其他內容，代碼將會崩潰。

validators=[FileExtensionValidator(allowed_extensions=['pdf'])]

我還為上傳目錄和文件格式創建了三個常量。 如果您需要更改其中任何一個，則代碼的 rest 可以保持不變。

COVER_PAGE_DIRECTORY = 'coverdirectory/'
PDF_DIRECTORY = 'pdfdirectory/'
COVER_PAGE_FORMAT = 'jpg'

另外我假設你有保存文件的默認設置。

settings.py

MEDIA_URL = '/media/'
MEDIA_ROOT = os.path.join(BASE_DIR, 'media')

models.py

from django.core.validators import FileExtensionValidator
from django.db.models.signals import post_save
from pdf2image import convert_from_path
from django.conf import settings
import os


COVER_PAGE_DIRECTORY = 'coverdirectory/'
PDF_DIRECTORY = 'pdfdirectory/'
COVER_PAGE_FORMAT = 'jpg'

# this function is used to rename the pdf to the name specified by filename field
def set_pdf_file_name(instance, filename):
    return os.path.join(PDF_DIRECTORY, '{}.pdf'.format(instance.filename))

# not used in this example
def set_cover_file_name(instance, filename):
    return os.path.join(COVER_PAGE_DIRECTORY, '{}.{}'.format(instance.filename, COVER_PAGE_FORMAT))

class Pdffile(models.Model):
    # validator checks file is pdf when form submitted
    pdf = models.FileField(
        upload_to=set_pdf_file_name, 
        validators=[FileExtensionValidator(allowed_extensions=['pdf'])]
        )
    filename = models.CharField(max_length=20)
    pagenumforcover = models.IntegerField()
    coverpage = models.FileField(upload_to=set_cover_file_name)

def convert_pdf_to_image(sender, instance, created, **kwargs):
    if created:
        # check if COVER_PAGE_DIRECTORY exists, create it if it doesn't
        # have to do this because of setting coverpage attribute of instance programmatically
        cover_page_dir = os.path.join(settings.MEDIA_ROOT, COVER_PAGE_DIRECTORY)

        if not os.path.exists(cover_page_dir):
            os.mkdir(cover_page_dir)

        # convert page cover (in this case) to jpg and save
        cover_page_image = convert_from_path(
            pdf_path=instance.pdf.path,
            dpi=200, 
            first_page=instance.pagenumforcover, 
            last_page=instance.pagenumforcover, 
            fmt=COVER_PAGE_FORMAT, 
            output_folder=cover_page_dir,
            )[0]

        # get name of pdf_file 
        pdf_filename, extension = os.path.splitext(os.path.basename(instance.pdf.name))
        new_cover_page_path = '{}.{}'.format(os.path.join(cover_page_dir, pdf_filename), COVER_PAGE_FORMAT)
        # rename the file that was saved to be the same as the pdf file
        os.rename(cover_page_image.filename, new_cover_page_path)
        # get the relative path to the cover page to store in model
        new_cover_page_path_relative = '{}.{}'.format(os.path.join(COVER_PAGE_DIRECTORY, pdf_filename), COVER_PAGE_FORMAT)
        instance.coverpage = new_cover_page_path_relative

        # call save on the model instance to update database record
        instance.save()

post_save.connect(convert_pdf_to_image, sender=Pdffile)

convert_pdf_to_image是一個 function，它在Pdffile model 的post_save信號上運行。 它會在您的PdffileForm保存在您的上傳視圖中后運行，以便我們可以從保存的 pdf 文件創建封面圖像文件。

cover_page_image = convert_from_path(
            pdf_path=instance.pdf.path,
            dpi=200, 
            first_page=instance.pagenumforcover, 
            last_page=instance.pagenumforcover, 
            fmt=COVER_PAGE_FORMAT, 
            output_folder=cover_page_dir,
            )[0]

改變dpi會改變圖像的質量。 為了只轉換一個頁面， first_page和last_page參數是相同的。 因為結果是一個數組，所以在這種情況下，我們在cover_page_image內的列表中獲取第一個也是唯一的元素。

對上傳視圖的微小更改。

views.py

def upload(request):

    form = PdffileForm()

    if request.method == 'POST':
        form = PdffileForm(request.POST, request.FILES)
        # if form is not valid then form data will be sent back to view to show error message
        if form.is_valid():
            form.save()
            return redirect('pdffilelist')

    return render(request, "uploadform.html", {'form': form})

我不知道您的upload.html文件是什么樣的，但我使用了以下內容，它將與提供的代碼一起使用。

upload.html

<h1>Upload PDF</h1>

<form method="POST" enctype="multipart/form-data">
    {% csrf_token %}
    {{ form.as_p }}
    <button type="submit">Upload</button>
</form>

以 pdf 為例

通過表格上傳

生成的數據庫記錄

上傳后的文件位置

最后說明：

因為 FileFields 具有確保現有文件不會被覆蓋的代碼，所以代碼

# get name of pdf_file 
pdf_filename, extension = os.path.splitext(os.path.basename(instance.pdf.name))
new_cover_page_path = '{}.{}'.format(os.path.join(cover_page_dir, pdf_filename), COVER_PAGE_FORMAT)
# rename file to be the same as the pdf file
os.rename(cover_page_image.filename, new_cover_page_path)
# get the relative path to the cover page to store in model
new_cover_page_path_relative = '{}.{}'.format(os.path.join(COVER_PAGE_DIRECTORY, pdf_filename), COVER_PAGE_FORMAT)
instance.coverpage = new_cover_page_path_relative

確保使用 pdf FileField 文件名來命名封面，因為它幾乎是完全唯一的。