将PDF转换为JPG图像的最快方法是什么？[关闭]

请尝试以下操作

1. pypdfium2
2. 使用 python ， https://blog.alivate.com.au/poppler-windows/subprocess

使用转换器，速度通常与文件大小和复杂性有关，因为每次运行内容都需要重新构建。对于可能需要不同解决方案的 PDF（您自己不生成），但是您引用的系统需要几个步骤，因此“最快”是核心机器代码二进制文件，通常是 cli 版本，没有任何较慢的包装应用程序。

粗略的经验法则是，每分钟 100 x 150dpi png 页面是合理的，因此 10 分钟前刚刚开始的运行刚刚完成了 947 页（例如，每秒 1.578 页或每页 0.6336 秒）。

在最近的一次压力测试中，使用单个复杂页面（在套件上与您的套件没有太大区别），分辨率是最大的因素，因此 1 个复杂图表页面需要 1.6 到 14+ 秒（取决于输出分辨率），而使用多线程仅将其减少到 12 秒 https://stackoverflow.com/a/73060439/10802527

Pdf2image 是围绕 pdfimages、pdftotext 和 pdftoppm 构建的，而不是 jpg，我建议使用 Pdf，因为结果应该更清晰，因此更快、更精简的输出看起来不错。popplerpdftoppm -png

Imagemagick 没有 GhostScript 就无法转换，也无法输出文本，因此快速路由核心是 .还要考虑/与姊妹应用程序进行比较，它具有图像和文本输出、多线程和条带。Artifex GhostScriptMuPDF (Mutool)

Chrome/Edge/Chromium 和 Foxit/Skia 解决方案的核心是 PDFium 二进制文件，可以在不同平台上以各种形式找到。

我的工具包在 150 dpi 的大文件中遇到了一些困难

poppler/pdftoppm -f 1 -l 100 -png = 100 pages from 13,234 us-public-health-and-welfare-code.pdf
or similar speed
pdftocairo -f 1 -l 100 -png -r 150 us-public-health-and-welfare-code.pdf time/out
The current time is: 17:17:17
The current time is: 17:18:08
100 pages as png = 51 seconds

每分钟 100+ 页（比大多数高速打印机更好，但仅一个文件就超过 2 小时）

PDFium 通过 cli exe 的 100 页大约需要 30 秒，但分辨率需要 exif 设置，因此需要第二次通过，但是让我们慷慨地说，
每分钟大约 200 页（估计总共 1 小时 6 分钟）

xpdf pdftopng  with settings for 150dpi x 100 from 13234pages.pdf
The current time is: 17:25:27
The current time is: 17:25:42
100 pages as png = 15 seconds

每分钟 400 页（预计总计 33 分钟）

MuTool convert -o time/out%d.png -O resolution=150  x 100 from 13234pages.pdf
The current time is: 17:38:14
The current time is: 17:38:25
100 pages as png = 11 seconds

每分钟 545 页（预计总时长 24.3 分钟）

这可以做得更好

mutool draw -st -P -T 4 -B 2048 -r 150 -F png -o ./time/out%d.png 13234pages.pdf 1-100
total 5076ms (0ms layout) / 100 pages for an average of 50ms

每分钟 1,182 页（预计总时长 11.2 分钟）

请注意 @jcupitt 的评论

我尝试了时间并行 mutool 转换 -A 8 -o page-%d.png -O resolution=150 us-public-health-and-welfare-code.pdf {}-{} ：：： {1..100}，它是 100 毫秒内 600 页。如果使用 pgm，则为 300 毫秒 （！！）。

这将是每分钟 10,000 或 20,000 页（估计总共 0.66-1.32 分钟）

还有其他好的库可以在同一时间范围内以同样快的速度渲染，但由于通常它们需要一个核心 GPU/CPU/内存/字体等，因此在一台设备上，多个并行进程通常会失败。一个看起来适合任务的应用程序在仅 2 页后就因内存失败而倒下。
如果您必须使用一台设备，您可以尝试在“并行”中单独调用，但是在本机窗口中，当对总线或支持文件的需求存在冲突时，我的尝试似乎总是被资源上的文件锁定所挫败。
多处理的唯一可靠方法是在并行设备中批量处理顺序文件集，因此可以升级到跨多个真正的“CPU/GPU”及其专用驱动器进行耕种。

请注意这个开发人员的比较，他们中最好的三个是

1. MuPDF 2） Xpdf 3） PDFium（他们的选择（如上所述）具有更宽松的许可证）

PyVIPS 比 PDF2Image 快一点。我做了一个小基准：

#!/usr/bin/python3

import sys
from pdf2image import convert_from_bytes

images = convert_from_bytes(open(sys.argv[1], "rb").read())
for i in range(len(images)):
    images[i].save(f"page-{i}.jpg")

通过此测试文档，我看到：

$ /usr/bin/time -f %M:%e ./pdf.py nipguide.pdf 
1991624:4.80

所以 2GB 的内存和 4.8 秒的经过时间。

你可以在 pyvips 中将其写成：

#!/usr/bin/python3

import sys
import pyvips

image = pyvips.Image.new_from_file(sys.argv[1])
for i in range(image.get('n-pages')):
    image = pyvips.Image.new_from_file(filename, page=i)
    image.write_to_file(f"page-{i}.jpg")

明白了：

$ /usr/bin/time -f %M:%e ./vpdf.py nipguide.pdf[dpi=200]
676436:2.57

670MB 内存和 2.6 秒运行时间。

它们都在幕后使用 poppler，但 pyvips 直接调用库而不是使用进程和临时文件，并且可以重叠加载和保存。

您可以将 pyvips 配置为使用 pdfium 而不是 poppler，尽管这需要做更多的工作，因为 pdfium 仍然没有被许多发行版打包。对于某些 PDF，pdfium 可能比 poppler 快 3 倍。

您可以使用多处理来获得进一步的加速。这将更好地与 pyvips 一起使用，因为它的内存使用量较低，并且它没有使用巨大的临时文件。

如果我将 pyvips 代码修改为仅渲染单个页面，则可以使用 gnu parallel 在单独的进程中渲染每个页面：

$ time parallel ../vpdf.py us-public-health-and-welfare-code.pdf[dpi=150] ::: {1..100}
real    0m1.846s
user    0m38.200s
sys 0m6.371s

所以 100 秒内以 150dpi 的速度打印 1.8 页。

在我的基准测试中，通常比 快 2 倍。但是，可能比光栅 pdf 页面快 2 倍，在数字页面上慢 20%fitzpdf2imagepdfium2fitz