常用Python PDF库对比
2022.06.07修订:新增第三方库borb
。初稿写于2021.01.02,彼时borb
才发布1.0版没几个月;两年不到,Github上已近三千赞。
PDF(Portable Document Format)是一种便携文档格式,便于跨操作系统传播文档。PDF文档遵循标准格式,因此存在很多可以操作PDF文档的工具,Python自然也不例外。面多众多的Python第三方库,本文从功能、开源协议及社区活跃度三方面加以对比,以便根据具体需求选择合适的库。
概况
功能对比从大粒度上分成了提取内容
、操作页面
和创建内容
三方面。前两者分别是针对已经存在的PDF文档的读和写操作,最后一项从内容上创建新文档。考虑到时效性,以下对比列出了撰文时(2021.01)相应的最新版本。borb
于 2022.06 新加入对比,其时间点以此为准。
提取内容
如文本、图片、元信息操作页面
特指操作已经存在的页面例如分割、合并、裁剪、旋转等创建内容
指创建或修改页面内容,例如文本、图片、形状
Python库 | 当前版本 | Python版本 | 开源协议 | 最新更新 | 功能:提取内容 | 功能:操作页面 | 功能:创建内容 | 备注 |
---|---|---|---|---|---|---|---|---|
PyPDF2 | 1.26.0 | 2.6-3.6 | modified BSD | 3年前 | √ | √ | × |
PyPDF2 已不再维护,继任者PyPDF4 (PyPDF 、PyPDF2 及PyPDF4 的渊源参考此处)。由于PyPDF2 似乎更知名,故以其作为条目列出。
|
pdfrw | 0.4 | 2.6-3.6 | MIT | 3年前 | √ | √ | × |
自身不能创建新内容,但是集成了ReportLab ,可以兼容ReportLab 生成新页面
|
ReportLab | 3.5.58 | 2.7, 3.6+ | BSD | 非常活跃 | × | × | √ |
ReportLab 的开源版本,专业创建PDF内容如文本、图表等
|
pikepdf | 2.2.4 | 2.7, 3.6+ | MPL 2.0 | 非常活跃 | √ | √ | × |
基于C++的QPDF ,对标PyPDF2 和pdfrw ;偏向底层
|
pdfplumber | 0.5.25 | 3.6-3.8 | MIT | 活跃 | √ | × | × |
基于pdfminer.six ;除了文本、形状(矩形、直线/曲线),还能解析表格。几个提取PDF表格的Python库的对比参考此处
|
pdfminer.six | 20201018 | 3.6+ | MIT | 2个月前 | √ | × | × |
pdfminer 的社区维护版,因为pdfminer 自2020年起不再积极维护
|
PyMuPDF | 1.18.5 | 3.6+ | GPL V3 | 非常活跃 | √ | √ | √ |
基于mupdf ;以处理速度著称,参考此处
|
borb | 2.0.27 | 3.6+ | AGPL | 非常活跃 | √ | √ | √ | 纯Python库,支持读、写、操作PDF文档,兼顾底层和高级应用 |
点评
PyPDF2
系列、pdfrw
及pikepdf
专注对已经存在的PDF的操作(分割、合并、旋转等),前两者基本处于停止维护的状态。pdfplumber
及其依赖pdfminer.six
专注PDF内容提取,例如文本(位置、字体及颜色等)和形状(矩形、直线、曲线),前者还有解析表格的功能。ReportLab
专注PDF页面内容(文本、图、表等)的创建。PyMuPDF
和borb
同时支持读、写及PDF页面操作,功能最为全面。其中,PyMuPDF
尤其以速度快著称,而borb
是新开发并深得好评的库,潜力无穷。但是,二者同为GPL
家族的开源协议,对商用不太友好 *。
*
支持免费使用,但是要求引用其的程序也必须遵守相应协议即开源。如果需要闭源使用的话,需要向作者申请付费的商用授权。
最后以下图结束本文。
常用Python PDF库对比相关推荐
- python pdf库_3个Python PDF库,提取信息、转换格式、分割剪裁有它就够了!
Python无处不在,似乎支持从主要网站到桌面实用程序到企业软件的所有功能.Python已经被用来编写流行的软件项目,如dnf/yum.OpenStack.OpenShot.Blender.Calib ...
- 怎样用Python提取信息呢?分享这3个Python PDF库
很多时候我们都会用Python去取数据文件,这些文件中很多都是PDF格式,有些PDF文件解析的时候只能解析一部分内容出来,大段的文字没有解析出来,那怎么样才能用Python提取这些信息呢? 下面小千就 ...
- 常用Python标准库对象速查表(1)
封面图片:<Python程序设计基础(第2版)>,董付国,清华大学出版社 =============== 常用Python标准库对象速查表(1) 标准库 对象 简要说明 math sin( ...
- python的格式转换库_3个Python PDF库,提取信息、转换格式、分割剪裁有它就够了!...
PDFMiner: PDFMiner是一个从PDF文档中提取信息的工具.与其他PDF相关的工具不同,它只用于获取和分析文本数据.PDFMiner能获取页面中文本的准确位置,以及字体或行等其他信息.它还 ...
- 10个常用python标准库_【循序渐进学Python】11.常用标准库
安装完Python之后,我们也同时获得了强大的Python标准库,通过使用这些标准库可以为我们节省大量的时间.这里是一些常用标准库的简单说明.更多的标准库的说明,可以参考Python文档 sys 模块 ...
- 机器学习常用python三方库
1.NumPy 最常用的也许是它的N维数组对象,其他还包括一些成熟的函数库,用于整合C/C++和Fortran代码的工具包,线性代数.傅里叶变换和随机数生成函数等.NumPy提供了两种基本的对象:nd ...
- 常用Python标准库
众所周知,Python有庞大的库资源,有官方标准库以及第三方的扩展库.每个库都一把利器,能帮助我们快速处理某方面的问题.作为一名python的初学者,当把基本的语法.列表和元组.字典.迭代器.异常处理 ...
- 常用python机器学习库总结
开始学习Python,之后渐渐成为我学习工作中的第一辅助脚本语言,虽然开发语言是Java,但平时的很多文本数据处理任务都交给了Python.这些年来,接触和使用了很多Python工具包,特别是在文本处 ...
- python mysql库对比_mysqlclient和PyMySQL对比
环境:Python 3.5+, Django 1.9+ 最初用django时,搜索时发现PyMySQL的文章很多,然而在django的官方文档中python3版的mysql客户端驱动确没有提到PyMy ...
- 常用Python机器学习库介绍
Python是一种面向对象的解释型计算机程序设计语言,具有丰富和强大的库,再加上其简单.易学.速度快.开源免费.可移植性.可扩展性以及面向对象的特点,Python成为2017年最受欢迎的最受欢迎的编程 ...
最新文章
- The database returned no natively generated identity value错误解决方案
- shell脚本--02循环与条件
- BUUCTF-Reverce:不一样的flag
- mac 安装node_node 服务端部署
- web压测工具http_load原理分析
- 对象运算符.和[]的用法
- OSChina 周日乱弹 —— 快喊爸爸
- 煤粉粒度对shell气化的影响_提高水煤浆气化有效气成分的措施
- ubuntu在xampp下安装memcache扩展
- vb6 怎么把一个数组的 0 值 去掉_解决逆向查找问题?VLOOKUP、CHOOSE、IF,索引数组,轻松解决...
- Java Web学习视频
- 安泰测试新手教程-泰克数字示波器使用方法
- 体验经济:互联网生存的秘密
- Flutter气泡框实现
- Github和Git是啥意思?下面来简单了解下。
- 史上最全因果推断合集-uplift
- 我失窃的信用卡资料在4500英里外被使用,我试图找出它是怎么发生的
- 路由器上网功能正常但加载不出图片的解决办法
- 更改Ubuntu桌面环境
- pytest单元测试