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，例如解析 PDF、拆分和合并 PDF 等，但在本页中我们仅讨论 Python 开发人员如何使用 PyMuPDF 库来处理 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，它不仅限于作者、标题等标准文档属性，还可以包含其他元数据。使用 PyMuPDF，开发人员也可以阅读它。
• 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，然后使用以下命令使用 pip 和虚拟环境。

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。下面的代码片段展示了如何从 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 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，方法是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，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 方法返回整个 XML 元数据，如下面的代码片段所示：

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 以字符串形式获取完整的 XML 元数据，然后使用字符串的 replace 方法进行替换最后，我们将包含已更改字段的完整 XML 传递给 set_xml_metadata 方法，该方法会更改 PDF 的整个 XML 元数据。检查下面的代码片段了解详细信息：

结论

总之，PyMuPDF 是执行与元数据操作相关的任务的绝佳工具。我们可以轻松检索和更改 PDF 的元数据信息。然而，set_xml_metadata 方法有一个显着的弱点。此方法接受传递给它的任何字符串，并用它覆盖以前的 XML，这可能会导致无意的信息丢失，为避免此问题，开发人员需要实现其逻辑以确保 XML 元数据的正确修改。

类似产品