No creo que sea posible hacer esto con PyPDF2 (convertir pdf a jpg), como ya he comentado no he usado esta biblioteca pero viendo la documentación parece no tener esta capacidad. Si que puedes coger la página completa y agregarla como tal a otro pdf. También sería posible obtener imágenes (que son guardadas como tal en el documento) de un pdf con ella, pero tu realmente no tienes imágenes como tales en tu pdf.
Para convertir un pdf a imágenes puedes hacer uso de ImageMagick. Se trata de una suite de software multiplataforma que permite mostrar, editar, crear y convertir una gran cantidad de formatos de imágenes.
Existen multitud de bindings para Python, uno de los más recientes y el único con el que he trabajado es Wand.
Tienes que instalar Imagemagick según tu sistema, la gran mayoría de distros Linux tienen además su propio paquete en los repositorios oficiales si no quieres compilar desde fuentes. Después solo debes instalar Wand (via pip).
Hecho lo anterior puedes usar algo como esto:
import os
from wand.image import Image, Color
def pdf_to_jpg(pdf_path, output_path = None, resolution = 200):
pdf_name = os.path.splitext(os.path.basename(pdf_path))[0]
if not output_path:
output_path = os.path.dirname(pdf_path)
with Image(filename=pdf_path, resolution=resolution) as pdf:
for n, page in enumerate(pdf.sequence):
with Image(page) as image:
image.format = 'jpg'
image.background_color = Color('white')
image.alpha_channel = 'remove'
image_name = os.path.join(output_path, '{}-{}.jpg'.format(pdf_name, n))
image.save(filename = image_name)
pdf_to_jpg("1.pdf")
Lo he probado con tu pdf y se obtiene la imágen perfectamente.
Si quisieras obtener partes de la hoja por separado (por ejemplo obtener las gráficas), si todos tus pdfs tiene exactamente la misma disposición puedes simplemente recortar las partes que quieras de la imagen resultante.
Dependiendo del sistema es posible que se tenga que instalar GhostScrip, al ser una dependencia de ImageMagick, si no está instalado en el sistema. Es importante instalar la versión adecuada a la versión de Python y ImageMagick que estemos usando (32 o 64 bits).
open('c:/1.pdf')
como se hace en los sistemas *nix.open(r'c:\1.pdf')
o escapar la barra inclinada:open('c:\\1.pdf')
. De todas formas esto no debe influir, asegúrate de que el nombre y ruta son correctos. Esto intenta abrir un archivo llamado1.pdf
que se localiza en la raíz de tu unidad C:. Es importante que te asegures de no haber agregado una extensión manualmente y tener las extensiones ocultas en la configuración del explorador (tu archivo podría llamarse en realidad1.pdf.pdf
. Mira las propiedades (Click derecho -> Propiedades) del archivo y comprueba nombre y ruta.pdf_file = open ('C:\\1.pdf', 'rb')