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 ...

常用Python PDF库对比

概况

点评

常用Python PDF库对比相关推荐

最新文章

热门文章