Python操作PDF-⽂本和图⽚提取（使⽤PyPDF2和PyMuPDF）PDF⽂件格式
如今，可移植⽂档格式（PDF）属于最常⽤的数据格式。在1990年，PDF⽂档的结构由Adobe定义。PDF格式的思想是，对于通信过程中涉及的双⽅（创建者，作者或发送者以及接收者）⽽⾔，传输的数据/⽂档看起来完全相同。
⼯具和库
适⽤于Python的PDF⼯具，模块和库的可⽤解决⽅案范围有些混乱，需要花⼀点时间弄清楚什么是什么，以及哪些项⽬需要连续维护。根据我们的研究，以下是最新的候选⼈：
PyPDF2：⼀个Python库，⽤于提取⽂档信息和内容，逐页拆分⽂档，合并⽂档，裁剪页⾯并添加⽔印。PyPDF2⽀持未加密和加密的⽂档。
PDFMiner：完全⽤Python编写，适⽤于Python 2.4。对于Python 3，请使⽤克隆的包PDFMiner.six。这两个软件包都允许您解析，分析和转换PDF⽂档。这包括对PDF 1.7以及CJK语⾔（中⽂，⽇⽂和韩⽂）的⽀持，以及各种字体类型（Type1，TrueType，Type3和CID）。
pdflib for Python：Poppler库的扩展，为它提供了Python绑定。它使您可以解析，分析和转换PDF⽂档。不要将其与具有相同名称的商业吊坠相混淆。
PyFPDF：⼀个在Python下⽣成PDF⽂档的库。从FPDF PHP库移植⽽来，这是著名的PDFlib扩展替换，其中包含许多⽰例，脚本和派⽣类。
PDFTables：⼀项商业服务，提供从PDF⽂档附带的表格中提取的内容。提供⼀个API，以便PDFTables可以⽤作SAAS。
PyX -Python图形包：PyX是⽤于创建PostScript，PDF和SVG⽂件的Python包。它结合了PostScript绘图模型的抽象和TeX / LaTeX接⼝。这些基元可以构建复杂的任务，例如以可发布的质量创建2D和3D绘图。
ReportLab：⼀个雄⼼勃勃的，具有⾏业实⼒的图书馆，主要致⼒于精确创建PDF⽂档。免费提供开放源代码版本和名为ReportLab PLUS的商业增强版本。
PyMuPDF（⼜称“ fitz”）：MuPDF的Python绑定，这是⼀种轻量级的PDF和XPS查看器。该库可以访问
PDF，XPS，OpenXPS，epub，漫画和⼩说书格式的⽂件，并且以其最佳性能和⾼渲染质量⽽闻名。
pdfrw：⼀个基于Python的纯PDF解析器，⽤于读写PDF。它忠实地再现⽮量格式⽽⽆需光栅化。与ReportLab结合使⽤时，它有助于在使⽤ReportLab创建的新PDF中重⽤现有PDF的⼀部分。
图书馆⽤于
PyPDF2读
PyMuPDF读
pdflib读
python官方文档中文版PDF表格读
PDFMiner.six读
PDF查询读
pdfrw读，写/创作
PyFPDF写/创作
我们将重点介绍PyPDF2和PyMuPDF，并说明如何以最简单的⽅式提取⽂本和图像。为了了解PyPDF2的⽤法，官⽅⽂档和许多其他资源提供的

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。