快捷導(dǎo)航

Python使用PyMuPDF操作PDF的代碼示例

更新時間：2025年02月28日 09:59:40 作者：morris131

PyMuPDF,也被稱為fitz（這是其導(dǎo)入時的常用別名）,是一個功能強(qiáng)大的Python庫,用于處理PDF和其他文檔格式,與 PyPDF2相比,PyMuPDF提供了更多的功能和更好的性能,特別是在處理復(fù)雜的PDF文件時,本文給大家介紹了Python使用PyMuPDF操作PDF,需要的朋友可以參考下

安裝PyMuPDF

首先，你需要安裝PyMuPDF庫。你可以使用pip來安裝它：

pip install pymupdf

讀取PDF文件

讀取PDF文件并打印其頁數(shù)：

import fitz

# 使用pymupdf讀取pdf文件
if __name__ == '__main__':
    # 打開 PDF 文件
    doc = fitz.open('example.pdf')

    print(doc.page_count)

提取文本

從PDF文件中提取文本：

import fitz

# 使用Pymupdf讀取pdf文本
if __name__ == '__main__':
    # 打開 PDF 文件
    doc = fitz.open('example1.pdf')

    print(doc.load_page(0).get_text())

拆分PDF文件

將PDF文件拆分為兩個文件，一個文件包含奇數(shù)頁，一個文件包含偶數(shù)頁：

import fitz

# 使用pymupdf將PDF文件拆分為兩個文件，一個文件包含奇數(shù)頁，一個文件包含偶數(shù)頁：
if __name__ == '__main__':
    # 創(chuàng)建一個 PDF 寫入器對象
    odd_writer = fitz.open()
    even_writer = fitz.open()

    doc = fitz.open('example.pdf')

    for page_num in range(doc.page_count):
        if page_num % 2 == 0:
            odd_writer.insert_pdf(doc, from_page=page_num, to_page=page_num)
        else:
            even_writer.insert_pdf(doc, from_page=page_num, to_page=page_num)

    odd_writer.save('example1.pdf')
    even_writer.save('example2.pdf')

合并PDF文件

你可以將多個PDF文件合并為一個：

import fitz

# 使用PymuPDF合并兩個pdf文件
if __name__ == '__main__':
    # 打開要合并的 PDF 文件
    pdf_files = ['example1.pdf', 'example2.pdf']

    # 創(chuàng)建一個新的 PDF 文檔對象
    merged_doc = fitz.open()

    # 遍歷每個要合并的 PDF 文件
    for pdf_file in pdf_files:
        # 打開當(dāng)前的 PDF 文件
        temp_doc = fitz.open(pdf_file)
        # 將當(dāng)前 PDF 文件的所有頁面添加到合并后的文檔中
        for page_num in range(len(temp_doc)):
            merged_doc.insert_pdf(temp_doc, from_page=page_num, to_page=page_num)
        # 關(guān)閉當(dāng)前的 PDF 文件（不需要保存，因為我們只是讀取它）
        temp_doc.close()

    # 保存合并后的 PDF 文件
    merged_doc.save("merged.pdf")

裁剪PDF頁面

PyPDF2并不直接支持裁剪頁面，但你可以通過提取頁面的部分內(nèi)容并創(chuàng)建一個新的頁面來實(shí)現(xiàn)這一功能。以下是一個簡單的示例，演示如何裁剪頁面的上半部分：

import fitz

# 使用pymupdf裁剪PDF頁面
if __name__ == '__main__':

    # 打開 PDF 文件
    doc = fitz.open("example.pdf")

    # 選擇要裁剪的頁面（例如第一頁）
    page = doc.load_page(0)

    # 定義裁剪區(qū)域（矩形，格式為 [x0, y0, x1, y1]）
    # 這里我們裁剪頁面的上半部分
    rect = [page.rect.x0, page.rect.y0, page.rect.x1, page.rect.y0 + (page.rect.height / 2)]

    # 裁剪頁面（這會改變原始頁面）
    page.set_cropbox(rect)
    page.clean_contents()  # 清理頁面內(nèi)容（可選，但推薦）

    # 保存修改后的 PDF 文件
    doc.save("cropped_example.pdf")

加密PDF

import fitz

# 使用PyPDF2加密pdf
if __name__ == '__main__':
    doc = fitz.open("example.pdf")

    # 設(shè)置加密參數(shù)
    doc.save(
        "encrypted.pdf",
        encryption=fitz.PDF_ENCRYPT_AES_256,  # 加密算法
        user_pw="password123",  # 用戶密碼（打開密碼）
        owner_pw="password123",  # 所有者密碼
        permissions=0b1111000000,  # 權(quán)限標(biāo)志
        garbage=3,  # 清理冗余數(shù)據(jù)
        deflate=True,  # 壓縮內(nèi)容
    )

與pypdf2的比較

PyPDF2：

基礎(chǔ)操作：專注于PDF的合并、拆分、頁面旋轉(zhuǎn)、加密/解密、添加水印等基礎(chǔ)功能。
文本提取：支持簡單文本提取，但對復(fù)雜布局（如雙欄排版、表格）的支持較弱，可能破壞文本順序。
輕量級：適合輕量級任務(wù)，如快速合并多個文檔或添加密碼保護(hù)。
大文件處理：處理大文件（如7000頁以上）時速度較慢（需數(shù)百秒），內(nèi)存占用較高。
復(fù)雜文檔兼容性：對含復(fù)雜圖形、表單或加密文件的處理可能失敗，文本提取易出現(xiàn)亂碼。

PyMuPDF：

全能處理：支持PDF的讀取、編輯、合并、拆分，同時能提取文本、圖像、表格，甚至支持OCR識別和PDF轉(zhuǎn)圖像。
高級功能：可解析表格（保留列表結(jié)構(gòu)）、處理注釋和表單、生成PDF/A格式文檔，以及通過Tesseract集成實(shí)現(xiàn)OCR。
多格式支持：兼容PDF、XPS、CBZ等格式，適用場景更廣泛。
大文件處理：基于MuPDF引擎，采用優(yōu)化算法，處理同樣文件僅需幾秒，支持多線程加速，渲染圖像效率更高。
復(fù)雜文檔兼容性：在處理掃描件、加密文檔時表現(xiàn)更穩(wěn)定，且能保留雙欄文本的原始順序

以上就是Python使用PyMuPDF操作PDF的代碼示例的詳細(xì)內(nèi)容，更多關(guān)于Python PyMuPDF操作PDF的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: