国产一区二区精品-国产一区二区精品久-国产一区二区精品久久-国产一区二区精品久久91-免费毛片播放-免费毛片基地

千鋒教育-做有情懷、有良心、有品質(zhì)的職業(yè)教育機構(gòu)

手機站
千鋒教育

千鋒學(xué)習(xí)站 | 隨時隨地免費學(xué)

千鋒教育

掃一掃進入千鋒手機站

領(lǐng)取全套視頻
千鋒教育

關(guān)注千鋒學(xué)習(xí)站小程序
隨時隨地免費學(xué)習(xí)課程

當(dāng)前位置:首頁  >  技術(shù)干貨  > Python 處理 PDF 的神器 -- PyMuPDF(下)

Python 處理 PDF 的神器 -- PyMuPDF(下)

來源:千鋒教育
發(fā)布人:syq
時間: 2022-09-13 16:15:17 1663056917

  # 3、安裝

  PyMuPDF可以從源碼安裝,也可以從wheels安裝。

  對于Windows, Linux和Mac OSX平臺,在PyPI的下載部分有wheels。這包括Python 64位版本3.6到3.9。Windows版本也有32位版本。從最近開始,Linux ARM架構(gòu)也出現(xiàn)了一些問題——查找平臺標(biāo)簽manylinux2014_aarch64。

PyMuPDF

  除了標(biāo)準(zhǔn)庫,它沒有強制性的外部依賴項。只有在安裝了某些包時,才會有一些不錯的方法:

  Pillow:當(dāng)使用Pixmap.pil_save()和 Pixmap.pil_tobytes()時需要

  fontTools:當(dāng)使用Document.subset_fonts()時需要

  pymupdf-fonts 是一個不錯的字體選擇,可以用于文本輸出方法

  使用pip安裝命令:

35

  導(dǎo)入庫:

36

  關(guān)于命名fitz的說明

  這個庫的標(biāo)準(zhǔn)Python導(dǎo)入語句是import fitz。這是有歷史原因的:

  MuPDF的原始渲染庫被稱為Libart。

  在Artifex軟件獲得MuPDF項目后,開發(fā)的重點轉(zhuǎn)移到編寫一種新的現(xiàn)代圖形圖書館稱為“Fitz”。Fitz最初是作為一個研發(fā)項目,以取代老化的Ghostscript圖形庫,但卻成為了MuPDF的渲染引擎(引用自維基百科)。

  # 4、使用方法

  1.導(dǎo)入庫,查看版本

37

  2.打開文檔

38

  這將創(chuàng)建Document對象doc。文件名必須是一個已經(jīng)存在的文件的python字符串。

  也可以從內(nèi)存數(shù)據(jù)打開文檔,或創(chuàng)建新的空PDF。您還可以將文檔用作上下文管理器。

  3.Document的方法和屬性

39

  示例:

40

  4.獲取元數(shù)據(jù)

  PyMuPDF完全支持標(biāo)準(zhǔn)元數(shù)據(jù)。Document.metadata是一個具有以下鍵的Python字典。

  它適用于所有文檔類型,但并非所有條目都始終包含數(shù)據(jù)。元數(shù)據(jù)字段為字符串,如果未另行指示,則為無。還要注意的是,并非所有數(shù)據(jù)都始終包含有意義的數(shù)據(jù)——即使它們不是一個都沒有。

41

  5.獲取目標(biāo)大綱

42

  6.頁面(Page)

  頁面處理是MuPDF功能的核心。

  您可以將頁面呈現(xiàn)為光柵或矢量(SVG)圖像,可以選擇縮放、旋轉(zhuǎn)、移動或剪切頁面。

  您可以提取多種格式的頁面文本和圖像,并搜索文本字符串。

  對于PDF文檔,可以使用更多的方法向頁面添加文本或圖像。

  首先,必須創(chuàng)建一個頁面Page。這是Document的一種方法:

43

  這里可以使用任何整數(shù)-inf<pno<page_count。負數(shù)從末尾開始倒數(shù),所以doc[-1]是最后一頁,就像python序列一樣。< p="">

  更高級的方法是將文檔用作頁面的迭代器:

44

  接下來,主要介紹Page的常用操作!

  a. 檢查頁面的鏈接、批注或表單字段

  使用某些查看器軟件顯示文檔時,鏈接顯示為==“熱點區(qū)域”==。如果您在光標(biāo)顯示手形符號時單擊,您通常會被帶到該熱點區(qū)域中編碼的標(biāo)記。以下是如何獲取所有鏈接:

45

  links是一個Python字典列表。

  還可以作為迭代器使用:

46

  如果處理PDF文檔頁面,還可能存在注釋(Annot)或表單字段(Widget),每個字段都有自己的迭代器:

47

  b. 呈現(xiàn)頁面

  此示例創(chuàng)建頁面內(nèi)容的光柵圖像:

48

  pix是一個Pixmap對象,它(在本例中)包含頁面的RGB圖像,可用于多種用途。

  方法Page.get_pixmap()提供了許多用于控制圖像的變體:分辨率、顏色空間(例如,生成灰度圖像或具有減色方案的圖像)、透明度、旋轉(zhuǎn)、鏡像、移位、剪切等。

  例如:創(chuàng)建RGBA圖像(即,包含alpha通道),指定pix=page.get_pixmap(alpha=True)。\

  Pixmap包含以下引用的許多方法和屬性。其中包括整數(shù)寬度、高度(每個像素)和跨距(一個水平圖像行的字節(jié)數(shù))。屬性示例表示表示圖像數(shù)據(jù)的矩形字節(jié)區(qū)域(Python字節(jié)對象)。

  還可以使用page.get_svg_image()創(chuàng)建頁面的矢量圖像。

  c. 將頁面圖像保存到文件中

  我們可以簡單地將圖像存儲在PNG文件中:

49

  d. 提取文本和圖像

  我們還可以以多種不同的形式和細節(jié)級別提取頁面的所有文本、圖像和其他信息:

50

  對opt使用以下字符串之一以獲取不同的格式:

  "text":(默認)帶換行符的純文本。無格式、無文字位置詳細信息、無圖像

  "blocks":生成文本塊(段落)的列表

  "words":生成單詞列表(不包含空格的字符串)

  "html":創(chuàng)建頁面的完整視覺版本,包括任何圖像。這可以通過internet瀏覽器顯示

  "dict"/"json":與HTML相同的信息級別,但作為Python字典或resp.JSON字符串。

  "rawdict"/"rawjson":"dict"/"json"的超級集合。它還提供諸如XML之類的字符詳細信息。

  "xhtml":文本信息級別與文本版本相同,但包含圖像。

  "xml":不包含圖像,但包含每個文本字符的完整位置和字體信息。使用XML模塊進行解釋。

  e. 搜索文本

  您可以找到某個文本字符串在頁面上的確切位置:

51

  這將提供一個矩形列表,每個矩形都包含一個字符串“mupdf”(不區(qū)分大小寫)。您可以使用此信息來突出顯示這些區(qū)域(僅限PDF)或創(chuàng)建文檔的交叉引用。

  7.PDF操作

  PDF是唯一可以使用PyMuPDF修改的文檔類型。其他文件類型是只讀的。

  但是,您可以將任何文檔(包括圖像)轉(zhuǎn)換為PDF,然后將所有PyMuPDF功能應(yīng)用于轉(zhuǎn)換結(jié)果,Document.convert_to_pdf()。

  Document.save()始終將PDF以其當(dāng)前(可能已修改)狀態(tài)存儲在磁盤上。

  通常,您可以選擇是保存到新文件,還是僅將修改附加到現(xiàn)有文件(“增量保存”),這通常要快得多。

  下面介紹如何操作PDF文檔。

  a. 修改、創(chuàng)建、重新排列和刪除頁面

  有幾種方法可以操作所謂頁面樹(描述所有頁面的結(jié)構(gòu)):

  PDF:Document.delete_page()和Document.delete_pages()刪除頁面

  Document.copy_page()、Document.fullcopy_page()和Document.move_page()將頁面復(fù)制或移動到同一文檔中的其他位置。

  Document.select()將PDF壓縮到選定頁面,參數(shù)是要保留的頁碼序列。這些整數(shù)都必須在0<=i<page_ p="" count范圍內(nèi)。執(zhí)行時,此列表中缺少的所有頁面都將被刪除。剩余的頁面將按順序出現(xiàn),次數(shù)相同(!)正如您所指定的那樣。<="">

  因此,您可以輕松地使用創(chuàng)建新的PDF:

  第一頁或最后10頁

  僅奇數(shù)頁或偶數(shù)頁(用于雙面打印)

  包含或不包含給定文本的頁

  顛倒頁面順序

  保存的新文檔將包含仍然有效的鏈接、注釋和書簽(i.a.w.指向所選頁面或某些外部資源)。

  Document.insert_page()和Document.new_page()插入新頁面。

  此外,頁面本身可以通過一系列方法進行修改(例如頁面旋轉(zhuǎn)、注釋和鏈接維護、文本和圖像插入)。

  b. 連接和拆分PDF文檔

  方法Document.insert_pdf()在不同的pdf文檔之間復(fù)制頁面。下面是一個簡單的joiner示例(doc1和doc2在PDF中打開):

52

  下面是一個拆分doc1的片段。它將創(chuàng)建第一頁和最后10頁的新文檔:

53

  c. 保存

  Document.save()將始終以當(dāng)前狀態(tài)保存文檔。

  您可以通過指定選項incremental=True將更改寫回原始PDF。這個過程(通常)非常快,因為更改會附加到原始文件,而不會完全重寫它。

  d. 關(guān)閉

  在程序繼續(xù)運行時,通常需要“關(guān)閉”文檔以將底層文件的控制權(quán)交給操作系統(tǒng)。

  這可以通過Document.close()方法實現(xiàn)。除了關(guān)閉基礎(chǔ)文件外,還將釋放與文檔關(guān)聯(lián)的緩沖區(qū)。

tags:
聲明:本站稿件版權(quán)均屬千鋒教育所有,未經(jīng)許可不得擅自轉(zhuǎn)載。
10年以上業(yè)內(nèi)強師集結(jié),手把手帶你蛻變精英
請您保持通訊暢通,專屬學(xué)習(xí)老師24小時內(nèi)將與您1V1溝通
免費領(lǐng)取
今日已有369人領(lǐng)取成功
劉同學(xué) 138****2860 剛剛成功領(lǐng)取
王同學(xué) 131****2015 剛剛成功領(lǐng)取
張同學(xué) 133****4652 剛剛成功領(lǐng)取
李同學(xué) 135****8607 剛剛成功領(lǐng)取
楊同學(xué) 132****5667 剛剛成功領(lǐng)取
岳同學(xué) 134****6652 剛剛成功領(lǐng)取
梁同學(xué) 157****2950 剛剛成功領(lǐng)取
劉同學(xué) 189****1015 剛剛成功領(lǐng)取
張同學(xué) 155****4678 剛剛成功領(lǐng)取
鄒同學(xué) 139****2907 剛剛成功領(lǐng)取
董同學(xué) 138****2867 剛剛成功領(lǐng)取
周同學(xué) 136****3602 剛剛成功領(lǐng)取
相關(guān)推薦HOT
軟件定制開發(fā)中的敏捷開發(fā)是什么?

軟件定制開發(fā)中的敏捷開發(fā)是什么軟件定制開發(fā)中的敏捷開發(fā),從宏觀上看,是一個高度關(guān)注人員交互,持續(xù)開發(fā)與交付,接受需求變更并適應(yīng)環(huán)境變化...詳情>>

2023-10-14 13:24:57
什么是PlatformIo?

PlatformIO是什么PlatformIO是一個全面的物聯(lián)網(wǎng)開發(fā)平臺,它為眾多硬件平臺和開發(fā)環(huán)境提供了統(tǒng)一的工作流程,有效簡化了開發(fā)過程,并能兼容各種...詳情>>

2023-10-14 12:55:06
云快照與自動備份有什么區(qū)別?

1、定義和目標(biāo)不同云快照的主要目標(biāo)是提供一種快速恢復(fù)數(shù)據(jù)的方法,它只記錄在快照時間點后的數(shù)據(jù)變化,而不是所有的數(shù)據(jù)。自動備份的主要目標(biāo)...詳情>>

2023-10-14 12:48:59
服務(wù)器為什么要用Linux?

服務(wù)器為什么要用Linux作為服務(wù)器操作系統(tǒng)的優(yōu)選,Linux在眾多選擇中脫穎而出。Linux作為服務(wù)器操作系統(tǒng)的優(yōu)選,有其獨特的優(yōu)勢和特點。包括其...詳情>>

2023-10-14 12:34:11
ORM解決的主要問題是什么?

ORM(對象關(guān)系映射)解決的主要問題是將關(guān)系數(shù)據(jù)庫與面向?qū)ο缶幊讨g的映射困境。在傳統(tǒng)的關(guān)系數(shù)據(jù)庫中,數(shù)據(jù)以表格的形式存儲,而在面向?qū)ο?..詳情>>

2023-10-14 12:26:19