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?-husage:?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?filenameoutput????????????????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?PERMISSION??????????????????????integer?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?-husage:?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.pdfsaved?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?-husage:?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=96????????zoom_x?=?1.33333333?#(1.33333333-->1056x816)???(2-->1584x1224)????????zoom_y?=?1.33333333????????mat?=?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

總結

以上是生活随笔為你收集整理的pdf常用字体包 -baijiahao_PDF 的各种操作，我用 Python 来实现（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。