안녕하세요 여러분, 저는 Python 인공지능 기술입니다
PyMuPDF를 소개하기 전에 먼저 MuPDF에 대해 알아보겠습니다. 명명 형식에서 알 수 있듯이 PyMuPDF는 Python입니다. MuPDF의 인터페이스 형태.
MuPDF
MuPDF는 가벼운 PDF, XPS 및 전자책 뷰어입니다. MuPDF는 다양한 플랫폼용 소프트웨어 라이브러리, 명령줄 도구 및 뷰어로 구성됩니다.
MuPDF의 렌더러는 고품질 앤티앨리어싱 그래픽에 맞게 맞춤 제작되었습니다. 화면에 인쇄된 페이지의 모양을 최대한 충실하게 재현하기 위해 픽셀 단위까지 정확한 측정 및 간격으로 텍스트를 렌더링합니다.
이 뷰어는 작고 빠르지만 완벽합니다. PDF, XPS, OpenXPS, CBZ, EPUB 및 FictionBook 2와 같은 다양한 문서 형식을 지원합니다. 모바일 뷰어를 사용하여 PDF 문서의 양식에 주석을 달고 채울 수 있습니다(이 기능은 곧 데스크톱 뷰어에서도 사용할 수 있습니다).
명령줄 도구를 사용하면 문서에 주석을 달고, 편집하고, HTML, SVG, PDF, CBZ와 같은 다른 형식으로 변환할 수 있습니다. Javascript를 사용하여 스크립트를 작성하여 문서를 조작할 수도 있습니다.
PyMuPDF
PyMuPDF(현재 버전 1.18.17)는 MuPDF(현재 버전 1.18.*)를 지원하는 Python 바인딩입니다.
PyMuPDF를 사용하면 확장자가 ".pdf", ".xps", ".oxps", ".cbz", ".fb2" 또는 ".epub"인 파일에 액세스할 수 있습니다. 또한 ".png", ".jpg", ".bmp", ".tiff" 등 약 10개의 널리 사용되는 이미지 형식을 문서처럼 처리할 수도 있습니다.
지원되는 모든 문서 유형에 대해 다음을 수행할 수 있습니다.
새로운 기능: 레이아웃 저장 텍스트 추출!
fitzcliy.py 스크립트는 "gettext" 하위 명령을 통해 다양한 형식의 텍스트 추출을 제공합니다. 특히 흥미로운 점은 레이아웃 저장입니다. 이 기능은 이미지 주변 영역이나 테이블의 텍스트 사본 및 다중 열 텍스트를 사용하여 원본 실제 레이아웃에 최대한 가까운 텍스트를 생성합니다.
PyMuPDF는 소스 코드 또는 휠에서 설치할 수 있습니다.
Windows, Linux 및 Mac OSX 플랫폼의 경우 PyPI 다운로드 섹션에서 휠을 사용할 수 있습니다. 여기에는 Python 64비트 버전 3.6~3.9가 포함됩니다. Windows용 32비트 버전도 있습니다. 최근부터 Linux ARM 아키텍처에 몇 가지 문제가 발생했습니다. 플랫폼 태그인 Manylinux2014_aarch64를 찾으세요.
표준 라이브러리를 제외하고는 필수 외부 종속성이 없습니다. 특정 패키지가 설치된 경우에만 사용할 수 있는 몇 가지 좋은 방법이 있습니다:
pip 설치 명령 사용:
pip install PyMuPDF
라이브러리 가져오기:
import fitz
fitz 이름 지정에 대한 지침
이 라이브러리에 대한 표준 Python 가져오기 문은 다음과 같습니다. 수입 피츠. 여기에는 역사적인 이유가 있습니다.
MuPDF의 원래 렌더링 라이브러리는 Libart라고 불렸습니다.
Artifex Software가 MuPDF 프로젝트를 인수한 후 개발의 초점은 "Fitz"라는 새로운 최신 그래픽 라이브러리를 작성하는 것으로 옮겨졌습니다. Fitz는 노후화된 Ghostscript 그래픽 라이브러리를 대체하기 위한 R&D 프로젝트로 시작했지만 MuPDF(Wikipedia에서 인용)의 렌더링 엔진이 되었습니다.
import fitz print(fitz.__doc__) PyMuPDF 1.18.16: Python bindings for the MuPDF 1.18.0 library. Version date: 2021-08-05 00:00:01. Built for Python 3.8 on linux (64-bit).
doc = fitz.open(filename)
그러면 문서 개체가 생성됩니다. 파일 이름은 이미 존재하는 Python 문자열이어야 합니다.
메모리 데이터에서 문서를 열거나 빈 PDF를 새로 만드는 것도 가능합니다. 문서를 컨텍스트 관리자로 사용할 수도 있습니다.
방법/특성 |
描述 |
|
页数 (int) |
||
|
元数据 (dict) |
|
|
获取目录 (list) |
|
|
页数 (int) | |
|
Document.get_toc()
🎜🎜Document.load_page()
🎜🎜🎜🎜读取页face🎜🎜🎜🎜🎜示例:
>>> doc.count_page 1 >>> doc.metadata {'format': 'PDF 1.7', 'title': '', 'author': '', 'subject': '', 'keywords': '', 'creator': '', 'producer': '福昕阅读器PDF打印机 版本 10.0.130.3456', 'creationDate': "D:20210810173328+08'00'", 'modDate': "D:20210810173328+08'00'", 'trapped': '', 'encryption': None}
PyMuPDF完全支持标准元数据。Document.metadata是一个具有以下键的Python字典。
它适用于所有文档类型,但并非所有条目都始终包含数据。元数据字段为字符串,如果未另行指示,则为无。还要注意的是,并非所有数据都始终包含有意义的数据——即使它们不是一个都没有。另外,搜索公众号Java架构师技术后台回复“面试题”,获取一份惊喜礼包。
Key |
Value |
producer |
producer (producing software) |
format |
format: ‘PDF-1.4’, ‘EPUB’, etc. |
encryption |
encryption method used if any |
author |
author |
modDate |
date of last modification |
keywords |
keywords |
title |
title |
creationDate |
제작 날짜 |
creator | 애플리케이션 만들기 |
subject |
subject |
toc = doc.get_toc()
页面处理是MuPDF功能的核心。
首先,必须创建一个页面Page。这是Document的一种方法:
page = doc.load_page(pno) # loads page number 'pno' of the document (0-based) page = doc[pno] # the short form
这里可以使用任何整数-inf 更高级的方法是将文档用作页面的迭代器: a. 检查页面的链接、批注或表单字段 使用某些查看器软件显示文档时,链接显示为==“热点区域”==。如果您在光标显示手形符号时单击,您通常会被带到该热点区域中编码的标记。以下是如何获取所有链接: links是一个Python字典列表。 还可以作为迭代器使用: 如果处理PDF文档页面,还可能存在注释(Annot)或表单字段(Widget),每个字段都有自己的迭代器: b. 呈现页面 此示例创建页面内容的光栅图像: pix是一个Pixmap对象,它(在本例中)包含页面的RGB图像,可用于多种用途。 方法Page.get_pixmap()提供了许多用于控制图像的变体:分辨率、颜色空间(例如,生成灰度图像或具有减色方案的图像)、透明度、旋转、镜像、移位、剪切等。 例如:创建RGBA图像(即,包含alpha通道),指定pix=page.get_pixmap(alpha=True)。 Pixmap包含以下引用的许多方法和属性。其中包括整数宽度、高度(每个像素)和跨距(一个水平图像行的字节数)。属性示例表示表示图像数据的矩形字节区域(Python字节对象)。 还可以使用page.get_svg_image()创建页面的矢量图像。 c. 将页面图像保存到文件中 我们可以简单地将图像存储在PNG文件中: d. 提取文本和图像 我们还可以以多种不同的形式和细节级别提取页面的所有文本、图像和其他信息: 对opt使用以下字符串之一以获取不同的格式: e. 搜索文本 您可以找到某个文本字符串在页面上的确切位置: 这将提供一个矩形列表,每个矩形都包含一个字符串“mupdf”(不区分大小写)。您可以使用此信息来突出显示这些区域(仅限PDF)或创建文档的交叉引用。 PDF是唯一可以使用PyMuPDF修改的文档类型。其他文件类型是只读的。 但是,您可以将任何文档(包括图像)转换为PDF,然后将所有PyMuPDF功能应用于转换结果,Document.convert_to_pdf()。 Document.save()始终将PDF以其当前(可能已修改)状态存储在磁盘上。 通常,您可以选择是保存到新文件,还是仅将修改附加到现有文件(“增量保存”),这通常要快得多。 下面介绍如何操作PDF文档。 a. 修改、创建、重新排列和删除页面 有几种方法可以操作所谓页面树(描述所有页面的结构): b. 连接和拆分PDF文档 方法Document.insert_pdf()在不同的pdf文档之间复制页面。下面是一个简单的joiner示例(doc1和doc2在PDF中打开): 下面是一个拆分doc1的片段。它将创建第一页和最后10页的新文档: c. 保存 Document.save()将始终以当前状态保存文档。 您可以通过指定选项incremental=True将更改写回原始PDF。这个过程(通常)非常快,因为更改会附加到原始文件,而不会完全重写它。 d. 关闭 在程序继续运行时,通常需要“关闭”文档以将底层文件的控制权交给操作系统。 这可以通过Document.close()方法实现。除了关闭基础文件外,还将释放与文档关联的缓冲区。for page in doc:
# do something with 'page'
# ... or read backwards
for page in reversed(doc):
# do something with 'page'
# ... or even use 'slicing'
for page in doc.pages(start, stop, step):
# do something with 'page'
# get all links on a page
links = page.get_links()
for link in page.links():
# do something with 'link'
for annot in page.annots():
# do something with 'annot'
for field in page.widgets():
# do something with 'field'
pix = page.get_pixmap()
pix.save("page-%i.png" % page.number)
text = page.get_text(opt)
areas = page.search_for("mupdf")
7. PDF操作
# append complete doc2 to the end of doc1
doc1.insert_pdf(doc2)
doc2 = fitz.open() # new empty PDF
doc2.insert_pdf(doc1, to_page = 9) # first 10 pages
doc2.insert_pdf(doc1, from_page = len(doc1) - 10) # last 10 pages
doc2.save("first-and-last-10.pdf")
위 내용은 Python 처리 PDF: PyMuPDF 설치 및 사용!의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!