1. 产品
  2.   解析器
  3.   Python
  4.   PyMuPDF
 
  

开源 Python PDF 解析器库

尝试这个免费的开源 Python 库来解析、读取和提取 PDF 文档中的文本、图像、表格和其他内容。

什么是 PyMuPDF？

PyMuPDF，也称为 Fitz，是一个开源 Python 库，提供一套用于处理 PDF 文件的全面工具。使用 PyMuPDF，用户可以高效地执行各种任务，例如打开 PDF、提取文本、图像和表格、操作页面属性（如旋转和裁剪）、创建新的 PDF 文档以及将 PDF 页面转换为图像。

PyMuPDF 支持以下列出的几种功能：

  • PDF 文档阅读：PyMuPDF 可以打开和阅读 PDF 文档，允许您访问其中的文本、图像和其他内容。
  • 文本提取：您可以从 PDF 文档中提取文本，包括文本内容、字体和布局信息。
  • 图像提取：您可以从 PDF 文档中提取各种格式的图像，例如 JPEG 或 PNG。
  • 表格提取：您还可以从 PDF 文档中提取表格。

在本次评测中，我们主要关注该库的提取和解析功能。如需深入评估拆分、合并和页面管理功能，请点击此处。

GitHub

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。

Linux


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

苹果系统


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

视窗


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

从 PDF 中提取文本

您可以使用 Python 中的 PyMuPDF 库从 PDF 文档中提取文本并执行文本分析，例如计数单词，只需使用库中提供的函数即可，如下面的代码所示：

输出

下图显示了提取的文本和 PDF 文件中的字数：

从 PDF 中提取图像

我们可以使用 PyMuPDF 库从 Python 中的 PDF 文档中提取图像。下面的代码片段打开指定的 PDF 文件，从 PDF 中提取图像并将其保存在当前工作目录中：

输出

以下是从 PDF 文档中提取的 PNG 图像

从 PDF 中提取表格

我们还可以使用 PyMuPDF 库来处理 PDF 文档并从中提取表格。查看以下代码片段，该代码片段打开指定的 PDF 文件并从 PDF 文档中提取表格：

输出

下面的截图显示了从 PDF 文档中提取的表格：

将文本插入 PDF

下面的 Python 代码片段演示了如何使用 PyMuPDF 库将文本插入 PDF 文件并将修改后的 PDF 保存为 text.pdf：

输出

使用上述代码插入的文本在下面的红色框中突出显示：

使用 PyMuPDF 的 OCR 进行 PDF 文本识别

We will perform OCR on the PDF file containing the following image:

输出

下图显示了从所提供的 PDF 文件中的图像中提取的文本：

结论

总而言之，PyMuPDF 是一款专业工具，具有一些明显的优势和劣势。它非常适合 OCR 和文本提取等任务，这使得它在处理 PDF 中的文本方面很有价值。

但是，它在从 PDF 中提取表格方面并不擅长，特别是当 PDF 具有复杂的结构或页数较多时，这对某些用户来说可能是一个缺点。此外，在某些情况下，它可能需要额外的库，如 Pandas 和 Tesseract OCR 语言数据文件，这增加了其使用的复杂性。尽管存在这些限制，PyMuPDF 仍然是处理 PDF 中文本的可靠选择。

类似产品

 中国人