推荐用pil校验图片后，fitz显式设定页面尺寸并insert_image插入，避免insert_pdf或save(format="pdf")；注意unicode路径用pathlib、大图缩放、ocr需额外处理。
用 PIL + fitz（PyMuPDF）合并图片为单页 PDF
直接用 PIL.Image.save(..., format="PDF") 虽然能转单张图，但批量时每张图会生成独立 PDF，无法合并在一个文档里；而 fitz 支持逐页插入图像，且保留原始分辨率和色彩空间，是真正可控的方案。
实操建议：
- 先用
PIL统一加载并校验图片（避免损坏文件中断流程），例如：Image.open(path).convert("RGB") - 用
fitz.Rect显式设定页面尺寸，防止自动缩放失真；推荐按图片原始width × height创建等大页面 - 插入时用
page.insert_image(rect, pixmap=...)，别用insert_pdf——后者只接受 PDF 源，不支持图像对象
处理含中文路径或文件名时报 UnicodeEncodeError
错误常出现在 os.listdir() 或 open() 阶段，尤其 Windows 默认编码为 mbcs，而 Python 3 的 os 模块底层调用仍可能触发编码 fallback 失败。
绕过方式：
- 改用
pathlib.Path构造路径，它对 Unicode 更鲁棒：list(Path(".").glob("*.jpg")) - 读取图片时始终用
Image.open(str(p))，显式转为字符串而非依赖__fspath__行为 - 如果必须用
glob，加encoding="utf-8"参数（仅限io.open类操作，os模块本身不支持该参数，需换库）
PDF 文字层为空，但需要 OCR 后可检索
纯图像 PDF 默认没有文字层，fitz 插入的也是位图，pdfplumber 或 PyPDF2 读不出任何文本。要可检索，必须走 OCR 流程。
轻量级落地做法：
- 用
pytesseract.image_to_pdf直接输出带文字层的 PDF（要求系统已装 Tesseract，且语言包完整） - 若图片质量差，先用
cv2做二值化或去噪：cv2.threshold(img_gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) - OCR 后的 PDF 页面尺寸可能错乱，需在
pytesseract中传config='--psm 6'并手动指定pdf_options={"page-width": w, "page-height": h}
大图（如扫描件 >10MB）导致内存溢出或生成失败
PIL 加载高分辨率 TIFF/JPEG 时会解压成全尺寸 RGB 内存数组，一张 8000×12000 图像就占约 288MB；fitz 的 pixmap 构造也会复现该问题。
缓解策略：
- 加载前用
Image.open().size判断尺寸，超阈值（如 6000px 边长）则先缩放：img.thumbnail((6000, 6000), Image.LANCZOS) - 不用
Image.save(..., format="PDF")中间落盘，那会产生临时文件且不控质量；改用io.BytesIO在内存流转 - 生成 PDF 后立即调用
doc.save(..., garbage=4, deflate=True)压缩对象流，减少体积 30–70%
真正难的是平衡 OCR 准确率与内存占用——高 DPI 输入提升识别率，却让内存翻倍；实际中往往要在 200–300 DPI 之间做取舍，而不是无脑用原图分辨率。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
