Python使用pymupdf实现PDF内容搜索并显示功能

更新时间：2023年08月15日 10:46:40 作者：winfredzhang

在日常工作和学习中，我们可能需要查找和提取PDF文件中的特定内容,本文将介绍如何使用pymupdf实现PDF内容搜索并显示的功能，需要的可以参考下

简介

在日常工作和学习中，我们可能需要查找和提取PDF文件中的特定内容。本文将介绍如何使用Python编程语言和wxPython图形用户界面库来实现一个简单的PDF内容搜索工具。我们将使用PyMuPDF模块来处理PDF文件，并结合wxPython构建一个用户友好的界面。C:\pythoncode\new\pdffindcontent.py

准备工作

在开始之前，请确保已经安装了Python和相应的模块。可以使用pip来安装wxPython和PyMuPDF模块，具体安装方法可以参考官方文档。

创建GUI界面

我们首先需要创建一个GUI界面，以便用户选择要搜索的PDF文件并输入要查找的内容。我们使用wxPython库来创建界面。

def __init__(self, parent, title):
        super(PDFSearchFrame, self).__init__(parent, title=title, size=(800, 600))
        panel = wx.Panel(self)
        vbox = wx.BoxSizer(wx.VERTICAL)
        # 选择文件按钮
        file_picker = wx.FilePickerCtrl(panel, style=wx.FLP_OPEN|wx.FLP_FILE_MUST_EXIST)
        file_picker.Bind(wx.EVT_FILEPICKER_CHANGED, self.on_file_selected)
        vbox.Add(file_picker, 0, wx.EXPAND|wx.ALL, 10)
        # 输入框和按钮
        hbox = wx.BoxSizer(wx.HORIZONTAL)
        self.search_text = wx.TextCtrl(panel)
        search_button = wx.Button(panel, label='搜索')
        search_button.Bind(wx.EVT_BUTTON, self.on_search)
        hbox.Add(self.search_text, 1, wx.EXPAND|wx.ALL, 5)
        hbox.Add(search_button, 0, wx.ALL, 5)
        vbox.Add(hbox, 0, wx.EXPAND|wx.ALL, 10)
        # 显示框
        self.display_text = wx.TextCtrl(panel, style=wx.TE_MULTILINE|wx.TE_READONLY)
        vbox.Add(self.display_text, 1, wx.EXPAND|wx.ALL, 10)
        panel.SetSizer(vbox)
        self.Show()

在上述代码中，我们创建了一个名为 PDFSearchFrame 的窗口类，它继承自wxPython的 wx.Frame 类。在该类的构造函数中，我们创建了界面的各个组件，包括选择文件按钮、输入框和搜索按钮以及显示框。

PDF内容搜索和提取

接下来，我们需要在代码中添加PDF内容搜索和提取的功能。我们将使用PyMuPDF模块来处理PDF文件。

# 导入所需模块
import wx
import fitz
def on_search(self, event):
        search_text = self.search_text.GetValue()
        if not search_text or not self.pdf_path:
            return
        doc = fitz.open(self.pdf_path)
        matches = []
        for page in doc:
            text = page.get_text().lower()
            if search_text.lower() in text:
                matches.append((page.number, text))
        self.display_text.SetValue('')
        if matches:
            for page_num, text in matches:
                self.display_text.AppendText(f"Page {page_num}:\n{text}\n\n")
        else:
            self.display_text.AppendText("未找到匹配的内容。")
        doc.close()

在上述代码中，我们在 on_search 方法中添加了PDF内容搜索和提取的代码。首先，我们使用 fitz.open 函数打开选择的PDF文件，并遍历每一页的文本内容。然后，我们将文本内容转换为小写，并检查搜索文本是否在其中。如果找到合适的匹配项，我们将它们存储在 matches 列表中。最后，我们将匹配的结果显示在显示框中，如果没有找到匹配的内容，则显示相应的提示信息。

全部代码

import wx
import fitz
class PDFSearchFrame(wx.Frame):
    def __init__(self, parent, title):
        super(PDFSearchFrame, self).__init__(parent, title=title, size=(800, 600))
        panel = wx.Panel(self)
        vbox = wx.BoxSizer(wx.VERTICAL)
        # 选择文件按钮
        file_picker = wx.FilePickerCtrl(panel, style=wx.FLP_OPEN|wx.FLP_FILE_MUST_EXIST)
        file_picker.Bind(wx.EVT_FILEPICKER_CHANGED, self.on_file_selected)
        vbox.Add(file_picker, 0, wx.EXPAND|wx.ALL, 10)
        # 输入框和按钮
        hbox = wx.BoxSizer(wx.HORIZONTAL)
        self.search_text = wx.TextCtrl(panel)
        search_button = wx.Button(panel, label='搜索')
        search_button.Bind(wx.EVT_BUTTON, self.on_search)
        hbox.Add(self.search_text, 1, wx.EXPAND|wx.ALL, 5)
        hbox.Add(search_button, 0, wx.ALL, 5)
        vbox.Add(hbox, 0, wx.EXPAND|wx.ALL, 10)
        # 显示框
        self.display_text = wx.TextCtrl(panel, style=wx.TE_MULTILINE|wx.TE_READONLY)
        vbox.Add(self.display_text, 1, wx.EXPAND|wx.ALL, 10)
        panel.SetSizer(vbox)
        self.Show()
    def on_file_selected(self, event):
        self.pdf_path = event.GetPath()
    def on_search(self, event):
        search_text = self.search_text.GetValue()
        if not search_text or not self.pdf_path:
            return
        doc = fitz.open(self.pdf_path)
        matches = []
        for page in doc:
            text = page.get_text().lower()
            if search_text.lower() in text:
                matches.append((page.number, text))
        self.display_text.SetValue('')
        if matches:
            for page_num, text in matches:
                self.display_text.AppendText(f"Page {page_num}:\n{text}\n\n")
        else:
            self.display_text.AppendText("未找到匹配的内容。")
        doc.close()
if __name__ == '__main__':
    app = wx.App()
    PDFSearchFrame(None, title="PDF搜索")
    app.MainLoop()

运行程序

完成以上步骤后，我们可以保存并运行这个程序。一个具有搜索功能的PDF内容搜索工具的窗口将会弹出。我们可以选择要搜索的PDF文件，输入要查找的内容，并点击搜索按钮。程序将会将匹配的结果显示在显示框中，包括找到的页面号和相应的文本内容。

总结

本文介绍了如何使用Python和wxPython库来实现一个简单的PDF内容搜索工具。通过结合PyMuPDF模块和wxPython图形界面，我们能够方便地选择PDF文件，并在输入框中输入要查找的内容。程序将搜索匹配的内容，并将找到的页面内容提取到显示框中。这个工具可以帮助我们快速查找和提取PDF文件中的特定内容，提高工作效率。

到此这篇关于Python使用pymupdf实现PDF内容搜索并显示功能的文章就介绍到这了,更多相关Python pymupdf内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

利用django model save方法对未更改的字段依然进行了保存
这篇文章主要介绍了利用django model save方法对未更改的字段依然进行了保存，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-03-03
Python跳出多重循环的方法示例
这篇文章主要介绍了Python跳出多重循环的方法示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2019-07-07
Pycharm操作Git及GitHub的步骤详解
这篇文章主要介绍了Pycharm操作Git及GitHub的步骤详解,本文通过图文并茂的形式给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2020-10-10
详解PyQt5中textBrowser显示print语句输出的简单方法
这篇文章主要介绍了详解PyQt5中textBrowser显示print语句输出的简单方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2020-08-08
如何对python版本设置版本控制
update-alternatives可对软件版本进行管理,通过修改软链接指向完成版本切换,对python版本设置版本控制,包括设置版本代号、查看现在版本和切换版本
2026-01-01
python实现简易版计算器
这篇文章主要为大家详细介绍了python实现简易版计算器，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-01-01
Python3.5基础之变量、数据结构、条件和循环语句、break与continue语句实例详解
这篇文章主要介绍了Python3.5基础之变量、数据结构、条件和循环语句、break与continue语句,结合实例形式详细分析Python3.5编程入门相关的变量、数据结构、常用条件与循环语句操作技巧及注意事项,需要的朋友可以参考下
2019-04-04
python中的列表和元组实例详解
在Python中序列是最基本的数据结构，它是一块用于存放多个值得连续内存空间，Python中内置了5个常用的序列结构，分别是列表、元组、集合、字典和字符串，本文将详细讲解python中的列表和元组，感兴趣的朋友跟随小编一起看看吧
2022-11-11
python如何绘制疫情图
这篇文章主要介绍了python如何绘制疫情图，帮助大家理解和学习用python绘制图像，感兴趣的朋友可以了解下
2020-09-09
python语言线程标准库threading.local解读总结
在本篇文章里我们给各位整理了一篇关于python threading.local源码解读的相关文章知识点，有需要的朋友们可以学习下。
2019-11-11