Python fitz包

Python fitz包

介绍

fitz 是一个用于处理 PDF 文件的 Python 包，它是 PyMuPDF 的一个封装，提供了丰富的功能来操作 PDF 文件，包括读取、写入、编辑、提取文本和图像等。在本文中，我们将详细介绍 fitz 包的使用方法，并提供多个示例代码来演示其功能。

安装

首先，我们需要安装 fitz 包。可以使用 pip 命令来安装：

pip install pymupdf

打开 PDF 文件

首先，我们来看看如何打开一个 PDF 文件并获取其页面数量：

import fitz

# 打开 PDF 文件
pdf_path = "example.pdf"
pdf_document = fitz.open(pdf_path)

# 获取页面数量
num_pages = pdf_document.page_count
print(f"PDF 文件共有 {num_pages} 页")

运行以上代码，将会输出 PDF 文件的页数。

提取文本

接下来，我们将演示如何从 PDF 文件中提取文本：

# 提取第一页的文本
page = pdf_document[0]
text = page.get_text("text")
print(text)

运行以上代码，将会输出第一页的文本内容。

提取图像

除了文本，我们还可以从 PDF 文件中提取图像：

# 提取第一页的图像
image_list = page.get_images(full=True)
for image_index, image in enumerate(image_list):
    xref = image[0]
    base_image = pdf_document.extract_image(xref)
    image_bytes = base_image["image"]
    image_extension = base_image["ext"]

    with open(f"image_{image_index}.{image_extension}", "wb") as image_file:
        image_file.write(image_bytes)

运行以上代码，将会提取第一页的图像并保存到本地。

添加文本

接下来，我们将演示如何向 PDF 文件中添加文本：

# 添加文本到第一页
page.insert_text((100, 100), "Hello, geek-docs.com", fontsize=12, color=(1, 0, 0))

运行以上代码，将会在第一页的指定位置添加文本。

添加图像

除了文本，我们还可以向 PDF 文件中添加图像：

# 添加图像到第一页
image_path = "image.jpg"
image_rect = fitz.Rect(100, 100, 200, 200)
page.insert_image(image_rect, filename=image_path)

运行以上代码，将会在第一页的指定位置添加图像。

保存 PDF 文件

最后，我们需要保存对 PDF 文件的修改：

# 保存修改后的 PDF 文件
pdf_document.save("modified_example.pdf")

运行以上代码，将会保存修改后的 PDF 文件。

关闭 PDF 文件

最后，我们需要关闭打开的 PDF 文件：

# 关闭 PDF 文件
pdf_document.close()

运行以上代码，将会关闭打开的 PDF 文件。

总结

在本文中，我们详细介绍了 fitz 包的使用方法，包括打开 PDF 文件、提取文本和图像、添加文本和图像、保存 PDF 文件以及关闭 PDF 文件等操作。