Nyílt forráskódú Python Library a PDF metaadatok kezeléséhez

Mi az a PyMuPDF?

A PyMuPDF, más néven Fitz, egy nyílt forráskódú Python-könyvtár, amely számos funkciót kínál, például PDF-ek elemzését, PDF-ek felosztása és egyesítése stb., de ezen az oldalon csak arról lesz szó, hogy a Python-fejlesztők hogyan használhatják a PyMuPDF könyvtárat a PDF-metaadatokkal kapcsolatos feladatok kezelésére, mint például:

• PDF-metaadatok olvasása: A PyMuPDF támogatja a PDF-dokumentumok metaadatainak elérését, amelyek olyan információkat tartalmaznak, mint a szerző, cím, tárgy és létrehozás dátuma stb.
• PDF-metaadatok módosítása: A könyvtár lehetővé teszi a PDF-dokumentumok metaadatainak módosítását is.
• XML-metaadatok olvasása: A PDF-dokumentumok XML-metaadatokat is tartalmaznak, amelyek nem korlátozódnak a szabványos dokumentumtulajdonságokra, például szerzőre, címre stb., és további metaadatokat is tartalmazhatnak. A PyMuPDF segítségével a fejlesztők is elolvashatják.
• XML-metaadatok módosítása: A fejlesztők a PyMuPDF-könyvtár használatával is módosíthatják a PDF-fájlok XML-metaadatait.

GitHub statisztika

Név:
Nyelv:
Csillagok:
Villák:
Engedély:
Az adattár legutóbbi frissítése:

A PyMuPDF használatának első lépései

A PyMuPDF telepítéséhez és használatához a Python 3.8.0-s vagy újabb verziója szükséges. Tehát először telepítse a Pythont, majd az alábbi parancsok segítségével telepítse a PyMuPDF-et a gépére a pip és virtuális környezet a>.

python -m venv pymupdf-venv
. pymupdf-venv/bin/activate
pip install pymupdf

python -m venv pymupdf-venv
. pymupdf-venv/bin/activate
pip install pymupdf

python -m venv pymupdf-venv
.\pymupdf-venv\Scripts\activate
pip install pymupdf  

Olvassa el a PDF metaadatokat

A PDF metaadatait a PyMuPDF könyvtár metaadat tagjával olvashatjuk, amely a dokumentum teljes metaadattartalmát tartalmazza. Az alábbi kódrészlet bemutatja, hogyan szerezheti be a PDF metaadatait a metaadat tagtól:

Kimenet

Az alábbi képernyőkép a PyMuPDF segítségével PDF-ből letöltött metaadatokat mutatja:

PDF-metaadatok szerkesztése

A PDF-ek metaadatait a PyMuPDF könyvtár használatával szerkeszthetjük úgy, hogy a módosítani kívánt mezőket és azok új értékeit tartalmazó szótárt átadunk a set_metadata metódusnak, ahogy az alábbi kódrészletben látható:

Olvassa el a PDF-ek XML-metaadatait

A PyMuPDF könyvtár segítségével lekérhetjük a PDF XML metaadatait. A get_xml_metadata metódust használjuk, amely a teljes XML-metaadatot adja vissza, az alábbi kódrészlet szerint:

Kimenet

Az alábbi képernyőkép a PyMuPDF segítségével PDF-ből lekért XML-metaadatokat mutatja:

A PDF-ek XML-metaadatainak módosítása

A PyMuPDF könyvtár set_xml_metadata metódusával beállíthatjuk vagy módosíthatjuk a PDF XML metaadatait. Ez nem olyan egyszerű, mint a dokumentumszintű metaadatok cseréje, mert a set_xml_metadata bármilyen karakterláncot elfogad, és a teljes XML-metaadatokat a neki átadott karakterláncra cseréli.

A metaadat-információk nem szándékos törlésének elkerülése érdekében először lekérjük a teljes XML-metaadatot karakterláncként a get_xml_metadata használatával, majd a replace metódussal lecseréljük a kívánt karakterláncot. Végül átadjuk a teljes XML-t módosított mezőkkel a set_xml_metadata metódusnak, amely megváltoztatja a PDF teljes XML-metaadatát. A részletekért ellenőrizze az alábbi kódrészletet:

Következtetés

Összefoglalva, a PyMuPDF nagyszerű eszköz a metaadatok kezelésével kapcsolatos feladatokhoz. Könnyedén lekérhetjük és módosíthatjuk a PDF-ek metaadat-információit. Egy figyelemre méltó gyengeség azonban a set_xml_metadata metódusban rejlik. Ez a metódus elfogad minden neki átadott karakterláncot, és felülírja vele a korábbi XML-t, ami véletlen információvesztést okozhat a probléma elkerülése érdekében.

Hasonló Termékek