Python处理PDF神器PyMuPDF的安装与使用

PyMuPDF，也称为 fitz，是一个强大的Python库，用于处理PDF文件。它支持读取、写入以及修改PDF文档，并且具有良好的性能。下面将介绍如何安装PyMuPDF及其基本使用方法。

安装 PyMuPDF

首先确保你的环境中已经安装了Python。然后可以通过pip来安装PyMuPDF：

pip install pymupdf

如果你遇到任何依赖问题或者版本兼容性问题，请查阅官方文档获取更多帮助信息。

基本使用示例

1. 打开一个PDF文件并打印每页内容

import fitz  # 导入PyMuPDF库

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

# 遍历所有页面
for page_num in range(len(doc)):
    page = doc.load_page(page_num)  # 加载指定编号的页面
    text = page.get_text()  # 获取页面文本
    print(f"Page {page_num + 1}:\n{text}\n")

这段代码会打开名为 "example.pdf" 的PDF文件，并打印出每个页面的内容。

2. 向现有PDF添加水印

假设我们要在每一页上添加“Confidential”作为水印文字：

from fitz import Rect, Point

# 打开原始PDF文件
pdf_document = fitz.open("original.pdf")
output_file = "watermarked.pdf"

for page in pdf_document:
    # 创建一个新的形状对象以绘制水印
    shape = page.new_shape()
    
    # 设置水印位置和样式
    rect = Rect(Point(50, 50), Point(200, 100))
    shape.insert_textbox(rect, "Confidential", fontsize=30, rotate=45, color=(0, 0, 0))

    # 渲染形状到页面
    shape.finish(width=0.5, color=(0, 0, 0), fill=(255, 255, 255))
    shape.commit()

# 保存带有水印的新PDF
pdf_document.save(output_file)
pdf_document.close()

此脚本会在每一页上斜向（45度角）添加“Confidential”字样作为水印，并保存为新的PDF文件。

3. 从PDF中提取图像

有时候我们需要从PDF文档中提取图片资源，可以这样做：

import os

# 打开PDF文件
document = fitz.open("image_containing.pdf")

# 检查每个页面上的图像
for i, page in enumerate(document):
    for img_index, img in enumerate(page.get_images(full=True)):
        xref = img[0]
        base_image = document.extract_image(xref)
        image_bytes = base_image["image"]
        
        # 将图像数据保存为文件
        with open(f"image_{i}_{img_index}.png", "wb") as f:
            f.write(image_bytes)

document.close()

上述代码会遍历给定PDF中的所有图片，并将它们保存为PNG格式的文件。

注意事项

• 在处理大型PDF或大量数据时，请注意内存使用情况。
• 不同版本的PyMuPDF可能有一些功能差异，请参考最新的官方文档进行开发。
• 如果需要更高级的功能如表单填写等，请详细阅读官方文档以了解更多可用API。

通过这些基础示例，你可以开始探索PyMuPDF的强大功能了！希望这对你有所帮助。