python中 fitz 库和 pdfplumber 混合操作

参考：Python+pymupdf处理PDF文档案例6则 - 云+社区 - 腾讯云 (tencent.com)

参考原文有一些函数过时了，本文对其进行更新

环境

import fitz
import pdfplumber

母文件地址

fn = r'D:\Desktop\highlight_test.pdf'

一、提取pdf文件中的文本，写入文本文件

方法一：plumber 库

with pdfplumber.open("D:\\Desktop\\highlight_test.pdf") as pdf:for page in pdf.pages:text = page.extract_text()txt_file = open("D:\\Desktop\\a.txt",mode='a',encoding='utf-8')txt_file.write(text)

方法二：fitz 库

with fitz.open(fn) as doc,\open('D:\\Desktop\\aa.txt','w',encoding='utf8') as fp:for page in doc :fp.write(page.get_text()+'\n')

二、合并pdf文件

with fitz.open() as fpMerge:for t in (fn,)*3:with fitz.open(t) as fpSrc:fpMerge.insert_pdf(fpSrc)fpMerge.save('D:\\Desktop\\合并结果.pdf')

三、把pdf文件的每一页转换为独立的图片文件

with fitz.open(fn) as doc:for page in doc:mat = fitz.Matrix(2,2)pix = page.get_pixmap(matrix= mat)pix.save(f'{page.number}.png')

四、将pdf文件以图片形式保存为pdf

with fitz.open() as fpMerge:for pic in ('0.png',)*5:t = fitz.open('pdf',fitz.open(pic).convert_to_pdf())fpMerge.insert_pdf(t)fpMerge.save('D:\\Desktop\\内容转换为图片.pdf')

五、提取pdf文件中的图片

with fitz.open(fn) as doc:for page in doc:for item in page.get_images():xref = item[0]img = doc.extract_image(xref)with open(f'{xref}.{img["ext"]}','wb') as fpPic:fpPic.write(img['image'])

六、添加文本注释为关键词添加高亮、删除线、下划线注释

word1,word2,word3 = ('高亮','删除线','注释')
with fitz.open(fn) as doc:for page in doc:page.add_text_annot((200,200),'文本注释')for txt in page.search_for(word1):page.add_highlight_annot(txt)for txt in page.search_for(word2):page.add_strikeout_annot(txt)for txt in page.search_for(word3):page.add_underline_annot(txt)doc.save('D:\\Desktop\\添加注释.pdf')

如果对高亮部分进行颜色的修改（高亮部分颜色是遵循RGB标准）：

with fitz.open("D:\\Desktop\\文字.pdf") as doc:for page in doc:for txt in page.search_for(w):highlight = page.add_highlight_annot(txt)highlight.set_colors(stroke=[1, 1, 1])highlight.update()doc.save('D:\\Desktop\\add_annotion.pdf')

这里 stroke 其实就代表了，[ 1*255， 1*255，1*255 ] 所以，[1，1，1 ] 在这里是清除高亮的效果。

python中 fitz 库和 pdfplumber 混合操作相关推荐

通过Python的fitz库提取pdf中的图片
文章目录前言一.fitz库是什么? 二.安装fitz库三.查看fitz库版本四.pymupdf库是什么? 五.安装pymupdf库六.查看pymupdf库版本七.fitz和pymupdf是 ...
Python 中MNE库去伪迹(ICA)案例的逐句解析
本文是在阅读博主zhoudapeng01的文章Python 中MNE库去伪迹(ICA)_zhoudapeng01的博客-CSDN博客_ica mne后做的一个翻译工作. 主要介绍的还是ICA,需要了解 ...
python opencv创建图像_使用Python中OpenCV库创建一幅图片的RGB通道图片
我们知道,在使用PhotoShop进行图片的抠取.创建和存储选区.存储图像的色彩资料等复杂操作时,经常会用到一个功能,那就是"RGB"通道,它能从三原色角度对一幅图片进行精准处理. ...
python中requests库的用途-数据爬虫（三）：python中requests库使用方法详解
有些网站访问时必须带有浏览器等信息,如果不传入headers就会报错,如下使用 Requests 模块,上传文件也是如此简单的,文件的类型会自动进行处理: 因为12306有一个错误证书,我们那它的网 ...
Python中os库的使用
文章目录 Python中os库的使用 1. path子库 1.1 获取绝对路径 1.2 归一化path的表示形式 1.3 得到文件的相对路径 1.4 获取目录名 1.5 获取文件名 1.6 路径组合 ...
python 颜色_如何使用python中matplotlib库分析图像颜色
用代码分析图像可能很困难.你如何使代码"理解"图像的上下文? 通常,使用AI分析图像的第一步是找到主要颜色.在如何使用python中matplotlib库分析图像颜色中,我们将使 ...
使用python中PIL库进行切图时候出现了图片全黑
使用PIL的Image切图时候图片全黑不知道大家有没有遇见这样得问题,使用python中PIL库进行切图时候出现了图片全黑得现象今天写了个切图得代码,但是得到得图片是全黑的,像这样的情况: 不知道 ...
详解Python中pyautogui库的最全使用方法
这篇文章主要介绍了详解Python中pyautogui库的最全使用方法,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在使用Python做脚本的话,有两个库可以使用,一个 ...
Python中pyautogui库的最全使用方法
Python中pyautogui库的最全使用方法 Python中pyautogui库的最全使用方法常用操作鼠标操作键盘操作弹窗操作图像操作参考资料 Python中pyautogui库的最全 ...

python中 fitz 库和 pdfplumber 混合操作

环境

母文件地址

一、提取pdf文件中的文本，写入文本文件

方法一：plumber 库

方法二：fitz 库

二、合并pdf文件

三、把pdf文件的每一页转换为独立的图片文件

四、将pdf文件以图片形式保存为pdf

五、提取pdf文件中的图片

六、添加文本注释为关键词添加高亮、删除线、下划线注释

如果对高亮部分进行颜色的修改（高亮部分颜色是遵循RGB标准）：

python中 fitz 库和 pdfplumber 混合操作相关推荐

最新文章

热门文章