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:

Python爬虫框架Scrapy常用命令总结
这篇文章主要介绍了Python爬虫框架Scrapy常用命令,结合实例形式总结分析了Scrapy框架中常见的全局命令与项目命令功能、使用方法及操作注意事项,需要的朋友可以参考下
2018-07-07
Python中RSA加解密与数字签名技术的使用
本文将详细介绍 RSA 数字签名的原理、实现步骤,以及如何通过 Python 的 rsa 库完成公钥私钥生成、数字签名和认证,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
2025-03-03
python动态文本进度条的实例代码
这篇文章主要介绍了python动态文本进度条的实例代码,代码简单易懂，非常不错，具有一定的参考借鉴价值，需要的朋友可以参考下
2020-01-01
Python中函数的定义及其调用
这篇文章主要介绍了Python中函数定义及其调用,感兴趣的朋友可以来了解一下
2021-06-06
python使用pymongo操作mongo的完整步骤
这篇文章主要给大家介绍了关于python使用pymongo操作mongo的完整步骤，文中通过示例代码介绍的非常详细，对大家学习或者使用python具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧
2019-04-04
python爬虫实战之最简单的网页爬虫教程
在我们日常上网浏览网页的时候，经常会看到一些好看的图片，我们就希望把这些图片保存下载，或者用户用来做桌面壁纸，或者用来做设计的素材。下面这篇文章就来给大家介绍了关于利用python实现最简单的网页爬虫的相关资料，需要的朋友可以参考借鉴，下面来一起看看吧。
2017-08-08
Python中range函数的基本用法完全解读
range函数大多数时常出现在for循环中,在for循环中可做为索引使用,下面这篇文章主要给大家介绍了关于Python中range函数的基本用法,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
2022-01-01
Python运行出现DeprecationWarning的问题及解决
这篇文章主要介绍了Python运行出现DeprecationWarning的问题及解决方案，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2022-07-07
wxpython中Textctrl回车事件无效的解决方法
这篇文章主要介绍了wxpython中Textctrl回车事件无效的解决方法,较为详细的分析了TextCtrl支持的事件类型,并给出了TextCtrl绑定回车事件的相应实现技巧,需要的朋友可以参考下
2016-07-07
Python属性和内建属性实例解析
这篇文章主要介绍了Python属性和内建属性实例解析,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,需要的朋友可以参考下
2020-01-01