Python使用PymuPDF处理PDF文件的操作详解

pip install pymupdf

import fitz

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

# 获取总页数
total_pages = pdf_document.page_count
print(f"总页数: {total_pages}")

# 读取文本
page = pdf_document.load_page(0)  # 读取第一页
text = page.get_text("text")
print(f"第一页文本:\n{text}")

# 提取整个文档的文本
full_text = ""
for page_num in range(total_pages):
    page = pdf_document.load_page(page_num)
    full_text += page.get_text("text")

print(f"整个文档文本:\n{full_text}")

# 提取元数据
metadata = pdf_document.metadata
print(f"元数据:\n{metadata}")

# 添加文本到现有 PDF 文件
page = pdf_document[0]
page.insert_text((100, 100), "Hello, PymuPDF!")

# 保存修改
pdf_document.save("modified_example.pdf")

new_document = fitz.open()
new_page = new_document.new_page()

# 添加文本到新页面
new_page.insert_text((100, 100), "New PDF Document")

# 保存新的 PDF 文件
new_document.save("new_document.pdf")

# 裁剪页面
page = pdf_document[0]
page.select(clip=[0, 0, 300, 300])

# 旋转页面
page = pdf_document[1]
page.set_rotation(90)

# 提取页面中的图像
images = page.get_images(full=True)
print(f"页面中的图像:\n{images}")