導言

PDF 處理是日常工作中的常見需求，包括 PDF 合并、刪除、提取等。更復雜的任務如：將 PDF 轉換成 圖像。

下面通過幾個簡單的例子和一份代碼，幫助大家解決上面的需求，操作非常簡單。

在文末我會提供一份源碼和一個神奇的 PDF 處理網站幫你解決 PDF 處理的煩惱。

PyMuPDF 介紹

為什么使用 Python，那還不是 Python 有著強大的第三方工具包，我們想要的功能興許就有。

PyMuPDF 就是我們需要的工具，官方文檔對他的簡介是

PyMuPDF 是針對 MuPDF 的 Python 綁定，它是一個輕量級 PDF 和 XPS 查看器。MuPDF 可以訪問 PDF，XPS，OpenXPS，CBZ（漫畫書檔案），FB2 和 EPUB（電子書）格式的文件。這些是擴展名為.pdf，.xps，.oxps，.cbz，.fb2 或.epub 的文件（因此您可以使用 Python 開發電子書查看器）。

官方文檔：https://pymupdf.readthedocs.io/en/latest/intro.html

這里有個細節需要說明的是，Python 的第三方包一般是安裝的名稱和導入的名稱是一樣的，比如 numpy 的安裝和使用是

pip?install?numpy?#?numpy?包的安裝import?numpy??#?numpy?包的導入

但是對于 PyMuPDF ?這個包就不一樣了，安裝和使用的包名是不一樣的，這個是歷史遺留下來的原因，知道有這回事就行。

PyMuPDF ?的安裝是這樣子的

pip?install?PyMuPDF

PyPI 源：https://pypi.org/project/PyMuPDF/

PyMuPDF ?的導入是這樣子的

import?fitz

PDF 各種處理

拆分與提取

拆分與提取 PDF 文件的，使用的是 clean 命令，同時該命令也可以用于文檔加密，壓縮、刪除頁面等操作，基本說明如下：

python?-m?fitz?clean?-h usage:?fitz?clean?[-h]?[-password?PASSWORD][-encryption?{keep,none,rc4-40,rc4-128,aes-128,aes-256}][-owner?OWNER]?[-user?USER]?[-garbage?{0,1,2,3,4}][-compress]?[-ascii]?[-linear]?[-permission?PERMISSION][-sanitize]?[-pretty]?[-pages?PAGES]input?output--------------?optimize?PDF?or?create?sub-PDF?if?pages?given?--------------positional?arguments: input?????????????????PDF?filename output????????????????output?PDF?filenameoptional?arguments: -h,?--help????????????show?this?help?message?and?exit -password?PASSWORD????password -encryption?{keep,none,rc4-40,rc4-128,aes-128,aes-256}encryption?method -owner?OWNER??????????owner?password -user?USER????????????user?password -garbage?{0,1,2,3,4}??garbage?collection?level -compress?????????????compress?(deflate)?output -ascii????????????????ASCII?encode?binary?data -linear???????????????format?for?fast?web?display -permission?PERMISSIONinteger?with?permission?levels -sanitize?????????????sanitize?/?clean?contents -pretty???????????????prettify?PDF?structure -pages?PAGES??????????output?selected?pages,?format:?1,5-7,50-N

以下命令只需在終端運行即可：

參數：2-N 代表去除第一頁

python?-m?fitz?clean?-sanitize?-pages?2-N?F:\視覺工程師必須知道的工業相機50問.pdf?F:\去除第一頁.pdf

其他功能請自行嘗試

提取字體和圖像（非 PDF 頁面）

將字體或圖像從選定的 PDF 頁面提取到所需目錄，基本說明如下：

python?-m?fitz?extract?-h usage:?fitz?extract?[-h]?[-images]?[-fonts]?[-output?OUTPUT]?[-password?PASSWORD][-pages?PAGES]input---------------------?extract?images?and?fonts?to?disk?--------------------positional?arguments: input?????????????????PDF?filenameoptional?arguments: -h,?--help????????????show?this?help?message?and?exit -images???????????????extract?images -fonts????????????????extract?fonts -output?OUTPUT????????output?directory,?defaults?to?current -password?PASSWORD????password -pages?PAGES??????????only?consider?these?pages,?format:?1,5-7,50-N

將 視覺工程師必須知道的工業相機50問.pdf 文件中的圖片和字體提取到 提取結果 文件夾中

python?-m?fitz?extract?-images?-fonts?-output?F:\提取結果?F:\視覺工程師必須知道的工業相機50問.pdf saved?9?fonts?to?'F:\提取結果' saved?6?images?to?'F:\提取結果'

合并多份文檔

合并多份 PDF 文檔，使用的是 join 命令，可以指定頁面進行合并，同時需要關注 PDF 是否需要密碼才能打開，基本說明如下:

python?-m?fitz?join?-h usage:?fitz?join?[-h]?-output?OUTPUT?[input?[input?...]]----------------------------?join?PDF?documents?---------------------------positional?arguments: input???????????input?filenamesoptional?arguments: -h,?--help??????show?this?help?message?and?exit -output?OUTPUT??output?filenamespecify?each?input?as?'filename[,password[,pages]]'

以下命令只需在終端運行即可：合并兩份文檔的全部

python?-m?fitz?join?-output?"F:\合并兩份文檔.pdf"?"F:\視覺工程師必須知道的工業相機50問.pdf"?"F:\Modern?CMake文檔.pdf"

合并兩份文檔的部分，選擇 視覺工程師必須知道的工業相機50問 文件的第一頁和 ?Modern CMake文檔.pdf 的 5 到最后一頁進行合并，下面語句中有兩個 ,, 是因為要合并的文檔不需要密碼，如果需要密碼，就把兩個逗號替換成 密碼即可。

• 5-N 代表第五頁開始到文檔的末尾

python?-m?fitz?join?-output?F:\合并兩份文檔.pdf?F:\視覺工程師必須知道的工業相機50問.pdf,,1?"F:\Modern?CMake文檔.pdf",,5-N

PDF 轉換成圖片

這個功能沒辦法像上面那樣一個命令就能解決，不過通過查看文檔，我們也不難寫出代碼

import?sys,?fitz,?os,?datetimedef?pyMuPDF_fitz(pdfPath,?imagePath):startTime_pdf2img?=?datetime.datetime.now()#開始時間print("imagePath="+imagePath)pdfDoc?=?fitz.open(pdfPath)?#?打開文件for?pg?in?range(pdfDoc.pageCount):?#?遍歷所有頁面page?=?pdfDoc[pg]rotate?=?int(0)?#?頁面旋轉角度#?每個尺寸的縮放系數為1.3，這將為我們生成分辨率提高2.6的圖像。#?此處若是不做設置，默認圖片大小為：792X612, dpi=96zoom_x?=?1.33333333?#(1.33333333-->1056x816)???(2-->1584x1224)zoom_y?=?1.33333333mat?=?fitz.Matrix(zoom_x,?zoom_y).preRotate(rotate)pix?=?page.getPixmap(matrix=mat,?alpha=False)if?not?os.path.exists(imagePath):#判斷存放圖片的文件夾是否存在os.makedirs(imagePath)?#?若圖片文件夾不存在就創建pix.writePNG(imagePath+'/'+'images_%s.png'?%?pg)#將圖片寫入指定的文件夾內endTime_pdf2img?=?datetime.datetime.now()#結束時間print('pdf2img時間=',(endTime_pdf2img?-?startTime_pdf2img).seconds)if?__name__?==?"__main__":pdfPath?=?'./視覺工程師必須知道的工業相機50問.pdf'imagePath?=?'./提取結果'pyMuPDF_fitz(pdfPath,?imagePath)

旋轉 10 度的結果

神奇的網站明天再放出，哈哈哈～～～

以上就是 PDF 處理的幾個常用功能，希望能夠幫到你，喜歡的朋友感謝三連～～～

參考：

• https://pymupdf.readthedocs.io/en/latest/index.html

• https://www.jianshu.com/p/f57cc64b9f5e

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯獲取一折本站知識星球優惠券，復制鏈接直接打開：https://t.zsxq.com/yFQV7am本站qq群1003271085。加入微信群請掃碼進群：

總結

以上是生活随笔為你收集整理的【Python】用 Python 来实现PDF 的各种操作（附网站和操作指导）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。