Python实现PDF图表数据提取：图像处理与轮廓分析教程

sudo apt-get install poppler-utils

brew install poppler

pip install pdf2image Pillow

from pdf2image import convert_from_path
import os
import requests # 用于下载示例PDF文件

def convert_pdf_to_image(pdf_path, output_folder="pdf_images", page_num=0):
    """
    将PDF的指定页面转换为图像。
    :param pdf_path: PDF文件的路径。
    :param output_folder: 图像保存的文件夹。
    :param page_num: 要转换的页面索引（从0开始）。
    :return: 转换后的图像文件路径列表。
    """
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)

    try:
        # 转换指定页面。first_page和last_page是基于1的索引。
        images = convert_from_path(pdf_path, first_page=page_num + 1, last_page=page_num + 1)

        image_paths = []
        for i, image in enumerate(images):
            # 构建输出文件名，例如 page_0.png
            output_image_path = os.path.join(output_folder, f"page_{page_num}.png")
            image.save(output_image_path, "PNG")
            image_paths.append(output_image_path)
            print(f"页面 {page_num} 已保存为 {output_image_path}")
        return image_paths
    except Exception as e:
        print(f"转换PDF到图像时发生错误: {e}")
        return []

# 示例使用
pdf_file = "carbon-footprint-poweredge-m630.pdf" # 请替换为您的PDF文件路径

# 如果示例PDF文件不存在，则下载它
if not os.path.exists(pdf_file):
    print(f"正在下载示例PDF文件: {pdf_file}...")
    url = "https://i.dell.com/sites/csdocuments/CorpComm_Docs/en/carbon-footprint-poweredge-m630.pdf"
    try:
        response = requests.get(url, stream=True)
        response.raise_for_status() # 检查请求是否成功
        with open(pdf_file, "wb") as f:
            for chunk in response.iter_content(chunk_size=8192):
                f.write(chunk)
        print("下载完成。")
    except requests.exceptions.RequestException as e:
        print(f"下载文件失败: {e}")
        exit() # 如果下载失败，程序退出

# 假设饼图在PDF的第一页（索引为0）
converted_images = convert_pdf_to_image(pdf_file, page_num=0)

# 如果成功转换，converted_images将包含图像路径
if converted_images:
    print(f"已成功将PDF页面转换为图像: {converted_images[0]}")
    # 您现在可以使用 converted_images[0] 进行下一步的图像分析
else:
    print("PDF页面转换失败。")

pip install opencv-python

import cv2
import numpy as np
import os # 确保os库已导入

def analyze_pie_chart(image_path):
    """
    分析饼图图像，识别扇区并打印其数量和百分比。
    :param image_path: 饼图图像的路径。
    """
    if not os.path.exists(image_path):
        print(f"错误：图像文件不存在于 {image_path}")
        return

    # 1. 加载图像
    image = cv2.imread(image_path)
    if image is None:
        print(f"错误：无法加载图像 {image_path