1. Termékek
  2.   Metaadatok
  3.   Python
  4.   PyMuPDF

PyMuPDF

 
 

Nyílt forráskódú Python Library a PDF metaadatok kezeléséhez

Próbálja ki a PyMuPDF-et, az ingyenes és nyílt forráskódú Python könyvtárat a PDF-dokumentumok metaadatainak eléréséhez és módosításához.

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

GitHub statisztika

Név: PyMuPDF
Nyelv: Python
Csillagok: 6.9K
Villák: 584
Engedély: GNU Affero General Public License v3.0
Az adattár legutóbbi frissítése: 2025-04-05

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>.

Linux


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

MacOS


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

Windows


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:

# Import PyMuPDF library
import fitz
# Import pprint module for pretty printing
from pprint import pprint
# Open the PDF file using PyMuPDF
doc = fitz.open('doc.pdf')
# Pretty print the metadata of the opened PDF
pprint(doc.metadata)
# Close the PDF document to release resources
doc.close()
view raw read-pdf-metadata-using-pymupdf-library.py hosted with ❤ by GitHub

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:

# Import PyMuPDF library
import fitz
# Open the PDF file
doc = fitz.open('documentprocessing.pdf')
# Define new metadata
new_metadata = {
'author': 'Document Processing',
'title': 'Test Document',
'subject': 'Test document to review document processing libraries'
}
# Set the new metadata in the document
doc.set_metadata(new_metadata)
# Save the document with the changes
doc.save("doc.pdf")
# Close the document to release resources
doc.close()
view raw edit-metadata-of-pdfs-using-pymupdf-library.py hosted with ❤ by GitHub

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:

# Import the PyMuPDF module
import fitz
# Open the PDF file
doc = fitz.open("data.pdf")
# Print the XML metadata of the PDF document
print(doc.get_xml_metadata())
# Close the PDF document
doc.close()
view raw read-xml-metadata-of-pdfs-using-pymupdf-library.py hosted with ❤ by GitHub

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:

# Import the PyMuPDF library
import fitz
# Open the PDF file
doc = fitz.open("documentprocessing.pdf")
# Get the current metadata as XML
xml_metadata = doc.get_xml_metadata()
# Update the creator field in the XML metadata
updated_xml_metadata = xml_metadata.replace(
'<rdf:li>Document</rdf:li>',
f'<rdf:li>Document Processing</rdf:li>'
)
# Set the updated XML metadata in the PDF document
doc.set_xml_metadata(updated_xml_metadata)
# Save the changes to a new PDF file
doc.save("data.pdf")
# Close the PDF document
doc.close()
view raw edit-xml-metadata-of-pdfs-using-pymupdf-library.py hosted with ❤ by GitHub

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

 Hungarian