Python代码实现PDF与TIFF互转_Python

在现代数字化环境中，能够通过编程方式操作文档格式是实现业务流程自动化的重要基础。在法律、医疗和企业环境中，pdf（便携式文档格式）和tiff（标记图像文件格式）无疑是最常用的文档存储格式。

虽然pdf是共享和查看文档的通用标准，但tiff由于其无损特性以及支持将多个页面（帧）合并成一个文件的优势，依然是高质量存档、扫描和传真处理的首选格式。在本指南中，我们将深入探讨如何利用python将这两种格式进行互相转换，借助spire.pdf for python和pillow（pil）库的强大功能。

1. 为什么需要在pdf和tiff之间转换

在我们深入代码之前，了解一下为什么会有这种技术需求是非常重要的。以下是一些典型的使用场景：

长期存档： 许多政府和法律机构要求使用tiff格式进行长期存储，因为tiff是一种“未压缩”的栅格格式，比起复杂的基于矢量的pdf格式，tiff更不容易受到损坏。
扫描工作流程： 文档扫描仪通常输出多页tiff文件。将这些文件转换为pdf可以提高文件的压缩率，并且可以添加ocr（光学字符识别）层，便于后期检索。
医学成像： dicom和其他医学标准常常使用tiff格式。将医学报告转换为pdf格式，能够让患者和医生更容易访问。
安全性： 将pdf转换为tiff格式能够“平面化”文档，去除隐藏的元数据、注释和不可见的文本层，这对快速进行信息遮盖非常有效。

2. 设置python开发环境

要跟随本教程进行操作，首先需要安装两个主要的库：

spire.pdf for python： 这是一个强大的库，能够创建、读取和操作pdf文档，并且无需依赖adobe acrobat。
pillow（pil）： 这是python imaging library的一个“友好”分支，广泛用于打开、操作和保存多种图像文件格式。

你可以通过pip命令安装这些依赖：

pip install spire.pdf
pip install pillow

3. 使用python将pdf转换为多页tiff

将pdf转换为tiff的挑战在于如何保留其多页结构。一般的图像转换方法可能只能提取第一页，而我们需要遍历整个pdf文件的页面，将每一页渲染为高分辨率的栅格图像，然后将这些图像“堆叠”成一个tiff文件。

实现逻辑

我们通过pdfdocument加载pdf文件，然后使用saveasimage方法，这是一种将pdf矢量图像转换为位图图像的强大渲染方式。最后，pillow的save方法用于将这些图像按页保存为多帧tiff。

from spire.pdf.common import *
from spire.pdf import *
from pil import image
from io import bytesio

def convert_pdf_to_tiff(input_path, output_path):
    # 初始化pdf文档对象
    pdf_manager = pdfdocument()

    try:
        # 加载pdf文件
        pdf_manager.loadfromfile(input_path)

        # 存储每页图像的列表
        collected_images = []

        # 遍历pdf中的每一页
        for i in range(pdf_manager.pages.count):
            # 渲染页面为图像流
            with pdf_manager.saveasimage(i) as image_stream:
                # 将图像流转换为pil能理解的格式
                pil_img = image.open(bytesio(image_stream.toarray()))
                collected_images.append(pil_img)

        # 如果成功提取了图像
        if collected_images:
            # save_all=true是创建多页tiff的关键
            # append_images从第二页开始添加
            collected_images[0].save(
                output_path, 
                save_all=true, 
                append_images=collected_images[1:], 
                compression="tiff_lzw"  # lzw无损压缩，广泛支持
            )
            print(f"成功：{output_path}已生成，共包含{len(collected_images)}页。")

    except exception as e:
        print(f"转换过程中发生错误：{e}")
    finally:
        # 释放资源以节省内存
        pdf_manager.dispose()

# 执行函数
convert_pdf_to_tiff("annual_internal_audit.pdf", "audit_archive_fixed.tiff")

技术解析：压缩方式

在上面的代码中，我们使用了compression="tiff_lzw"。tiff格式支持几种不同的压缩算法：

无压缩： 文件体积较大，但无质量损失。
lzw： 无损压缩，适合一般文档。
jpeg： 有损压缩，适合图片较多的文档，但不推荐用于文本。
packbits： 简单的rle压缩。

4. 使用python将多页tiff转换为pdf

从tiff转换回pdf实际上是一个“重新包装”的过程。我们将tiff的每一帧当做一张独立的图像，并将它们逐一插入到pdf的页面中。为了确保pdf的页面看起来合适，我们需要确保pdf页面的尺寸与图像的尺寸完全匹配。

实现逻辑

我们使用pillow打开tiff文件，并通过tiff.seek(i)遍历其中的每一帧。对于每一帧，我们计算图像的physicaldimension，确保pdf页面的尺寸适配图像。

from spire.pdf.common import *
from spire.pdf import *
from pil import image
import io
import os

def convert_tiff_to_pdf(input_tiff, output_pdf_path):
    # 创建一个新的pdf文档
    new_pdf = pdfdocument()

    # 设置页面边距为零，确保图像填充整个页面
    new_pdf.pagesettings.setmargins(0.0)

    try:
        # 打开tiff文件
        with image.open(input_tiff) as multi_frame_tiff:
            # 遍历tiff中的每一帧
            for i in range(multi_frame_tiff.n_frames):
                multi_frame_tiff.seek(i)
                
                # 将每一帧保存到一个临时缓冲区
                frame_buffer = io.bytesio()
                multi_frame_tiff.save(frame_buffer, format="png")
                frame_buffer.seek(0)
                
                # 将缓冲区中的图像加载到pdf文档中
                pdf_img = pdfimage.fromstream(frame_buffer)

                # 获取图像的宽高
                img_width = pdf_img.physicaldimension.width
                img_height = pdf_img.physicaldimension.height

                # 创建一个与图像尺寸相同的pdf页面
                pdf_page = new_pdf.pages.add(sizef(img_width, img_height))

                # 将图像绘制到pdf页面的画布上
                pdf_page.canvas.drawimage(pdf_img, 0.0, 0.0, img_width, img_height)

        # 保存pdf文件
        new_pdf.savetofile(output_pdf_path, fileformat.pdf)
        print(f"pdf文件已成功创建：{output_pdf_path}")

    except exception as e:
        print(f"处理tiff时发生错误：{e}")
    finally:
        new_pdf.dispose()

# 执行函数
convert_tiff_to_pdf("legacy_records_vol_1.tiff", "digital_library_v1.pdf")

5. 性能优化与最佳实践

处理1000页以上的文档时，简单的脚本可能会达到内存限制。以下是一些性能优化的建议：

内存管理

在pdf转tiff的过程中，我们将所有页面的图像存储在一个列表（collected_images）中。对于500页的pdf文件，这可能会消耗大量内存。

解决方法：可以将每一页图像保存为单独的tiff文件，存放在临时目录中，然后使用pillow逐一读取这些文件进行处理，或者使用生成器模式，避免一次性将所有图像加载到内存中。

分辨率与dpi（每英寸点数）

saveasimage方法通常允许指定dpi。对于普通的办公文档，300 dpi通常是一个合适的选择，既保证了图像清晰度，又避免了文件过大。对于需要存档的法律文档，600 dpi会更合适。

临时文件处理

在转换过程中，我使用了io.bytesio代替将图像保存为物理.png文件，这样可以避免磁盘i/o的瓶颈，同时提高速度。

6. 高级扩展：添加水印

你可以在转换过程中动态添加水印，增加脚本的附加值。因为我们已经遍历了每一页，可以在页面上绘制文本或图像。

# 动态添加水印的代码
font = pdftruetypefont("arial", 20.0, pdffontstyle.bold, true)
brush = pdfbrushes.get_red()
pdf_page.canvas.settransparency(0.5)
pdf_page.canvas.drawstring("confidential - internal only", font, brush, 50, 50)

7.方法补充

想用 python 实现 pdf 和 tiff 文件的互转，有多种方案可选。我这里帮你梳理了几个主流方法，包括轻量级方案、全能方案、商业库和云服务，你可以根据项目需求（比如成本、复杂度、质量）来选择。

快速概览

下面是各种方案的对比表格，方便你快速了解它们的区别。

方案	优点	缺点	适用场景
pdf2image + pillow	轻量、方案成熟、社区活跃	需安装外部依赖(poppler)；以pil为媒介，步骤稍多	快速实现pdf转tiff，无需在纯云端环境部署时
pymupdf (fitz) + pillow	无需额外系统依赖、纯python实现、高性能、api简洁	需两步完成(pdf→png→tiff)	追求高性能和便捷部署的pdf处理场景
imageconvert	封装完善、功能全面、api极简	相对较新，社区成熟度不及老牌库	希望用最简洁代码完成转换的场景
spire.pdf[^1] (商业库)	功能强大、转换质量高、直接保存为tiff	商业库，免费版有页数/功能限制	企业级应用，对转换质量和稳定性要求高
aspose[^2] (商业库)	功能最全、转换质量极高、专业文档处理	商业库，价格昂贵	对pdf处理功能有极致要求的大型企业项目
aspose cloud[^3] (云api)	免维护、弹性扩展、支持复杂流程	依赖网络，有延迟和成本；数据需上传外部	无服务器架构、跨国团队协作或希望降低运维成本的项目

pdf 转 tiff：在 python 中把文档变成图片

方法 1：pdf2image + pillow (广泛使用)

这是最常用的方案之一，思路很清晰：先用 pdf2image 把pdf的每一页渲染成 pil 图像对象，再将这些图像合并保存为tiff。使用时需要先安装相关库和poppler工具。

1. 安装库和工具

pip install pdf2image pillow

windows: 下载 poppler for windows，解压后，在代码中通过 poppler_path 参数指定 bin 文件夹的路径
macos: brew install poppler
linux: sudo apt-get install poppler-utils

2. 编写转换代码

from pdf2image import convert_from_path
from pil import image
import os
def pdf_to_tiff(pdf_path, tiff_path, dpi=200):
    """
    将pdf转换为多页tiff
    """
    # 将pdf每一页转换为pil图像列表
    # windows用户需要添加 poppler_path 参数，例如：poppler_path=r'c:\path\to\poppler\bin'
    images = convert_from_path(pdf_path, dpi=dpi)
    if not images:
        print("pdf未产生任何图像，请检查文件。")
        return
    # 将第一张图像保存为tiff，并附加剩余图像
    images[0].save(
        tiff_path,
        save_all=true,
        append_images=images[1:],
        compression="tiff_lzw"  # 使用 lzw 无损压缩，可节省空间
    )
    print(f"转换成功，文件已保存至: {tiff_path}")
# 使用示例
pdf_to_tiff("输入.pdf", "输出.tiff", dpi=300)

方法 2：pymupdf (fitz) + pillow (强大高效)

这个方案很优雅，pymupdf 能将pdf页面直接渲染成 pil 图像，无需外部依赖，同时性能非常出色

1. 安装库

pip install pymupdf pillow

2. 编写转换代码

import fitz  # pymupdf
from pil import image
import io
def pdf_to_tiff_fitz(pdf_path, tiff_path, dpi=200):
    # 1. 打开pdf文档
    doc = fitz.open(pdf_path)
    images = []
    # 2. 遍历每一页，渲染为png格式的图像字节流
    for page_num in range(len(doc)):
        page = doc[page_num]
        # 设置缩放矩阵：dpi/72 为标准转换因子
        zoom = dpi / 72
        mat = fitz.matrix(zoom, zoom)
        pix = page.get_pixmap(matrix=mat)  # 渲染为像素图
        img_bytes = pix.tobytes("png")     # 转为png字节流
        img = image.open(io.bytesio(img_bytes))
        images.append(img)
    doc.close()
    # 3. 保存为多页tiff
    if images:
        images[0].save(
            tiff_path,
            save_all=true,
            append_images=images[1:],
            compression="tiff_lzw"
        )
        print(f"转换成功，文件已保存至: {tiff_path}")
# 使用示例
pdf_to_tiff_fitz("输入.pdf", "输出.tiff", dpi=300)

方法 3：imageconvert (下一代全能工具)

如果你想要一个更现代、全能的库，imageconvert 是不错的选择。它封装了底层细节，api 设计非常简洁。

1. 安装

pip install imageconvert

2. 编写转换代码

from imageconvert import imageconvert
# 调用库内置方法，一步完成转换
imageconvert.pdf_to_images("输入.pdf", "输出文件夹", dpi=300)

注意：imageconvert.pdf_to_images() 会将pdf每一页转为单独的图片，你可以用上文提到的 pillow 方法将它们合并成一个多页tiff。

方法 4：使用 spire.pdf / aspose.pdf (企业级方案)

对于追求稳定和高质量的企业应用，可以考虑商业库。

spire.pdf for python：可直接将pdf页面保存为图像流，再通过pillow合并为tiff

from spire.pdf import pdfdocument
from pil import image
from io import bytesio
doc = pdfdocument()
doc.loadfromfile("输入.pdf")
images = []
for i in range(doc.pages.count):
    with doc.saveasimage(i) as img_data:
        img = image.open(bytesio(img_data.toarray()))
        images.append(img)
if images:
    images[0].save("输出.tiff", save_all=true, append_images=images[1:])
doc.dispose()

aspose.pdf for python：提供了专门的 tiffdevice 类，可以精细控制tiff的压缩、分辨率等参数，并能直接输出为tiff

tiff 转 pdf：将零散图片汇成文档

从 tiff 转为 pdf 相对更直接，核心思路是把图片 “放” 到 pdf 页面上。除了下面几种方法，上文提到的商业库（如 spire.pdf、aspose.pdf）和云服务也能很好地实现 tiff 到 pdf 的转换。

方法 1：pillow (纯python，最简单)

pillow 库本身就能将多张图片直接保存为一个pdf文件

安装

pip install pillow

编写转换代码：多页tiff转单pdf

from pil import image
def tiff_to_pdf(tiff_path, pdf_path):
    # 打开一个多页tiff文件
    tiff_image = image.open(tiff_path)
    images = []
    # 遍历每一帧，将图像转换为rgb模式（pdf/a格式要求）
    for i in range(getattr(tiff_image, 'n_frames', 1)):
        tiff_image.seek(i)
        # 转换为rgb模式，避免透明度等兼容性问题
        rgb_image = tiff_image.convert("rgb")
        images.append(rgb_image)
    if images:
        # 将第一页保存为pdf，并附加其余页面
        images[0].save(pdf_path, save_all=true, append_images=images[1:])
        print(f"转换成功，pdf已保存至: {pdf_path}")
# 使用示例
tiff_to_pdf("输入.tiff", "输出.pdf")

方法2：img2pdf (无损转换，零压缩)

如果你追求极致的pdf质量和文件大小效率，img2pdf 是最佳选择。它直接将图像数据嵌入pdf，不进行二次编码，做到了真正的无损、零压缩-。

1. 安装

pip install img2pdf

2. 编写转换代码

import img2pdf
def tiff_to_pdf_img2pdf(tiff_path, pdf_path):
    # 直接读取文件并将tiff数据转换为pdf
    with open(pdf_path, "wb") as f:
        f.write(img2pdf.convert(tiff_path))
    print(f"转换成功，pdf已保存至: {pdf_path}")
# 使用示例
tiff_to_pdf_img2pdf("输入.tiff", "输出.pdf")