解锁PDF处理新境界：PyMuPDF，Python 的 PDF 宝藏库

1. PyMuPDF简介

1.1 了解MuPDF

MuPDF是一个轻量级的PDF、XPS和电子书查看器，拥有高质量的渲染器和完整的功能。它支持多种文档格式，如PDF、XPS、OpenXPS、CBZ、EPUB和FictionBook 2。PyMuPDF是MuPDF的Python接口形式。

1.2 功能

• 解密文件
• 访问元信息、链接和书签
• 以栅格或矢量格式呈现页面
• 搜索文本、提取文本和图像
• 转换为其他格式：PDF、(X)HTML、XML、JSON、text
• PDF文档附加功能：创建、合并、拆分、插入、删除、重新排列页面，提取或插入图像和字体，嵌入式文件，重新格式化PDF，密码保护等

1.3 安装

• 从源码或wheels安装
• 无外部依赖项，可选用Pillow和fontTools

2. 使用方法

2.1 导入库和查看版本

<code>import fitz print(fitz.__doc__)</code>

2.2 打开文档和获取元数据

<code>doc = fitz.open(filename) print(doc.page_count) # 页数 print(doc.metadata) # 元数据</code>

2.3 获取目录

<code>toc = doc.get_toc()</code>

2.4 页面处理

• 检查链接、注释或表单字段

<code>links = page.get_links()</code>

• 呈现页面

<code>pix = page.get_pixmap()</code>

• 将页面图像保存到文件

<code>pix.save("page-%i.png" % page.number)</code>

• 提取文本和图像

<code>text = page.get_text(opt)</code>

• 搜索文本

<code>areas = page.search_for("mupdf")</code>

3. PDF操作

3.1 修改、创建、重新排列和删除页面

<code>doc.delete_page(pno) doc.delete_pages(pages) doc.copy_page(pno) doc.fullcopy_page(pno) doc.move_page(pno, direction) doc.select(pages) doc.insert_page(pno) doc.new_page(width, height)</code>

3.2 连接和拆分PDF文档

<code>doc1.insert_pdf(doc2) doc2.insert_pdf(doc1, to_page=9) doc2.insert_pdf(doc1, from_page=len(doc1) - 10)</code>

3.3 保存和关闭

<code>doc.save(filename, incremental=True) doc.close()</code>

这样就对PyMuPDF进行了简要的介绍和使用方法说明，让你可以更好地利用这个强大的库进行PDF处理。