用于管理 PDF 元数据的开源 Python 库

什么是 PyMuPDF？

PyMuPDF，也称为 Fitz，是一个开源 Python 库，提供许多功能，如解析 PDF、拆分和合并 PDF等。但在本页中，我们将仅讨论 Python 开发人员如何使用 PyMuPDF 库处理 PDF 元数据相关任务，例如：

• 读取 PDF 元数据：PyMuPDF 支持访问包含作者、标题、主题和创建日期等信息的 PDF 文档的元数据。
• 修改 PDF 元数据：该库还允许修改 PDF 文档的元数据。
• 读取 XML 元数据：PDF 文档还包含 XML 元数据，这些元数据不仅限于作者、标题等标准文档属性，还可以包含其他元数据。借助 PyMuPDF，开发人员还可以读取它。
• 更改 XML 元数据：开发人员还可以使用 PyMuPDF 库更改 PDF 的 XML 元数据。

GitHub 统计

姓名：
语言：
星星：
叉子：
执照：
存储库上次更新于

PyMuPDF 入门

您需要 Python 版本 3.8.0 或更高版本才能安装和使用 PyMuPDF。因此，首先安装 Python，然后使用以下命令通过 pip 和 虚拟环境 在您的机器上安装 PyMuPDF。

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  

读取 PDF 元数据

我们可以使用 PyMuPDF 库的 metadata 成员读取 PDF 的元数据，该库包含文档的完整元数据内容。以下代码片段显示如何从 metadata 成员获取 PDF 的元数据：

输出

下面的屏幕截图显示了使用 PyMuPDF 从 PDF 中检索的元数据：

编辑 PDF 元数据

我们可以使用 PyMuPDF 库编辑 PDF 的元数据，通过将包含我们想要更改的字段及其新值的字典传递给 set_metadata 方法来编辑，如下面的代码片段所示：

读取 PDF 的 XML 元数据

我们可以使用 PyMuPDF 库检索 PDF 的 XML 元数据。我们使用 get_xml_metadata 方法，该方法返回整个 XML 元数据，如以下代码片段所示：

输出

下面的屏幕截图显示了使用 PyMuPDF 从 PDF 检索的 XML 元数据：

更改 PDF 的 XML 元数据

我们可以使用 PyMuPDF 库的 set_xml_metadata 方法设置或更改 PDF 的 XML 元数据。它不像替换文档级元数据那么简单，因为 set_xml_metadata 将接受任何字符串，并用传递给它的字符串替换完整的 XML 元数据。

为了避免无意中删除任何元数据信息，我们首先使用 get_xml_metadata 获取完整的 XML 元数据作为字符串，然后使用字符串的 replace 方法替换所需的信息，最后，我们将更改字段的完整 XML 传递给 set_xml_metadata 方法，该方法会更改 PDF 的整个 XML 元数据。查看以下代码片段了解详情：

结论

总之，PyMuPDF 是处理元数据相关任务的绝佳工具。我们可以轻松检索和更改 PDF 的元数据信息。但是，set_xml_metadata 方法存在一个明显的弱点。此方法接受传递给它的任何字符串并用它覆盖以前的 XML，这可能会导致意外的信息丢失，为了避免此问题，开发人员需要实现他们的逻辑以确保正确修改 XML 元数据。

类似产品