Python

ipengtao.com

Python 中的 PymuPDF 是一个强大的库，可以让你轻松地处理 PDF 文件。本文将深入探讨 PymuPDF 的用法，包括打开、读取、修改和创建 PDF 文件，以及文本提取和页面操作。

1. 安装 PymuPDF

首先，确保安装了 PymuPDF 库。

可以使用 pip 安装：

pip install pymupdf

2. 打开和读取 PDF 文件

使用 PymuPDF 可以打开和读取现有的 PDF 文件。

import fitz

# 打开 PDF 文件
pdf_document = fitz.open("example.pdf")

# 获取总页数
total_pages = pdf_document.page_count
print(f"总页数: {total_pages}")

# 读取文本
page = pdf_document.load_page(0)  # 读取第一页
text = page.get_text("text")
print(f"第一页文本:\n{text}")

3. 提取文本和元数据

可以提取 PDF 文件中的文本和元数据。

# 提取整个文档的文本
full_text = ""
for page_num in range(total_pages):
    page = pdf_document.load_page(page_num)
    full_text += page.get_text("text")

print(f"整个文档文本:\n{full_text}")

# 提取元数据
metadata = pdf_document.metadata
print(f"元数据:\n{metadata}")

4. 修改现有 PDF

PymuPDF 允许修改现有的 PDF 文件，如添加文本、高亮或删除内容。

# 添加文本到现有 PDF 文件
page = pdf_document[0]
page.insert_text((100, 100), "Hello, PymuPDF!")

# 保存修改
pdf_document.save("modified_example.pdf")

5. 创建新的 PDF 文件

使用 PymuPDF 也可以创建新的 PDF 文件。

new_document = fitz.open()
new_page = new_document.new_page()

# 添加文本到新页面
new_page.insert_text((100, 100), "New PDF Document")

# 保存新的 PDF 文件
new_document.save("new_document.pdf")

6. 页面操作和图像提取

PymuPDF 也支持页面操作，比如裁剪页面、旋转页面，以及提取页面中的图像。

# 裁剪页面
page = pdf_document[0]
page.select(clip=[0, 0, 300, 300])

# 旋转页面
page = pdf_document[1]
page.set_rotation(90)

# 提取页面中的图像
images = page.get_images(full=True)
print(f"页面中的图像:\n{images}")

总结

PymuPDF 提供了丰富的功能，能够轻松地处理 PDF 文件。无论是提取文本、操作页面、修改现有 PDF 还是创建新的 PDF 文件，这个库都能胜任。掌握 PymuPDF 的使用，能够为 PDF 文件操作提供强大的工具和方法。

---

Python学习路线

ipengtao.com

Python基础知识.png