快捷導(dǎo)航

Python PyMuPDF實(shí)現(xiàn)PDF與圖片和PPT相互轉(zhuǎn)換

更新時(shí)間：2022年12月23日 10:20:19 作者：alwaysrun

能夠用來對(duì)PDF文檔進(jìn)行操作的Python包有好幾個(gè)，如提取內(nèi)容的PdfPlumber、PDFMiner，可以用來對(duì)PDF文件進(jìn)行修改操作的PyPDF2等等，如果只是需要簡單地對(duì)PDF文件實(shí)現(xiàn)合并、拆分、書簽操作，使用PyPDF2就足以滿足。但如果想對(duì)PDF文件進(jìn)行一些底層操作，基本上只有PyMuPDF了

安裝與簡介

安裝：pip install PyMuPDF

PyMuPDF使用手冊(cè)參見https://pymupdf.readthedocs.io/en/latest/index.html

MuPDF

MuPDF是一個(gè)輕量級(jí)的PDF、XPS和電子書查看器。MuPDF由軟件庫、命令行工具和各種平臺(tái)的查看器組成:

支持多種文檔格式：如PDF、XPS、OpenXPS、CBZ、EPUB和FictionBook 2；
命令行工具可注釋、編輯文檔，并將文檔轉(zhuǎn)換為其他格式：如HTML、SVG、PDF和CBZ。

PyMuPDF

PyMuPDF是MuPDF的Python接口庫：

可訪問擴(kuò)展名為“.pdf”、“.xps”、“.oxps”、“.cbz”、“.fb2”或“.epub”的文檔；
可像文檔樣處理流行圖像格式：“.png”，“.jpg”，“.bmp”，“.tiff”等

對(duì)于所有支持的文檔類型可以：

解密文件

訪問元信息、鏈接和書簽

以柵格格式（PNG和其他格式）或矢量格式SVG呈現(xiàn)頁面

搜索文本

提取文本和圖像

轉(zhuǎn)換為其他格式：PDF, (X)HTML, XML, JSON, text

對(duì)于PDF文檔，存在大量的附加功能，可以：創(chuàng)建、合并或拆分。頁面可以通過多種方式插入、刪除、重新排列或修改(包括注釋和表單字段)。

可以提取或插入圖像和字體

完全支持嵌入式文件

pdf文件可以重新格式化，以支持雙面打印，色調(diào)分離，應(yīng)用標(biāo)志或水印

完全支持密碼保護(hù):解密、加密、加密方法選擇、權(quán)限級(jí)別和用戶/所有者密碼設(shè)置

支持圖像、文本和繪圖的PDF可選內(nèi)容概念

可以訪問和修改低級(jí)PDF結(jié)構(gòu)

PyMuPDF使用

通過open可打開文檔（Document對(duì)象）：

import fitz
doc = fitz.open(filename)
# ...
doc.save('file')
doc.close()

Document中發(fā)主要方法與屬性：

方法/屬性	描述
Document.page_count	頁數(shù) (int)
Document.metadata	元數(shù)據(jù) (dict)
Document.get_toc()	獲取目錄 (list)
Document.load_page()	讀取頁面

對(duì)于PDF文檔，有以下頁面操作方法：

刪除頁面：Document.delete_page()和Document.delete_pages()
復(fù)制或移動(dòng)頁面：Document.copy_page()、Document.fullcopy_page()和Document.move_page()
選擇頁面（只保留選擇范圍內(nèi)的頁面）：Document.select()
插入新頁：Document.insert_page()和Document.new_page()，以及Document.insert_pdf()

元數(shù)據(jù)

Document.metadata是一個(gè)具有以下鍵的Python字典。

Key	Value
producer	producer (producing software)
format	format: ‘PDF-1.4’, ‘EPUB’, etc.
encryption	encryption method used if any
author	作者
modDate	最后修改日期
keywords	關(guān)鍵字
title	標(biāo)題
creationDate	創(chuàng)建日期
creator	creating application
subject	subject

頁面Page

頁面是MuPDF的核心：

• 可以將頁面呈現(xiàn)為光柵或矢量（SVG）圖像，可以選擇縮放、旋轉(zhuǎn)、移動(dòng)或剪切頁面。

• 可以提取多種格式的頁面文本和圖像，并搜索文本字符串。

• 對(duì)于PDF文檔，可以使用更多的方法向頁面添加文本或圖像。

從Document中獲取頁面，頁面索引：

第一頁為0；

負(fù)數(shù)表示從末尾倒數(shù)：如doc[-1]表示獲取最后一頁；

# pno是頁面索引
page = doc.load_page(pno) 
# or
page = doc[pno]

頁面操作方法：

page.get_links()：獲取頁面中的連接（返回字典）；

page.annots()：獲取注釋；

page.widgets()：獲取表單；

pix = page.get_pixmap()：獲取光柵圖像（整個(gè)頁面作為一個(gè)圖像）；

pix.save('page.jpg')：保存為圖像；

page.get_svg_image()：獲取矢量圖像；

page.get_text(opt)：獲取文本，opt可為：

“text”：（默認(rèn)）帶換行符的純文本（無格式、無文字位置詳細(xì)信息、無圖像）；
“blocks”：生成文本塊（段落）的列表；
“words”：生成單詞列表（不包含空格的字符串）；
“html”：創(chuàng)建頁面的完整視覺版本，包括任何圖像；
“dict”/“json”：與HTML相同的信息級(jí)別，但作為Python字典或JSON字符串。
“rawdict”/“rawjson”：“dict”/"json"的超級(jí)集合。它還提供諸如XML之類的字符詳細(xì)信息。
“xhtml”：文本信息級(jí)別與文本版本相同，但包含圖像。
“xml”：不包含圖像，但包含每個(gè)文本字符的完整位置和字體信息，使用XML模塊進(jìn)行解釋。

page.search_for("txt")：搜索文本

代碼示例

PDF轉(zhuǎn)圖片

通過get_pixmap獲取每頁P(yáng)DF為圖片，然后保存即可。其中zoom用于控制生成圖片的縮放比例。

import fitz
def pdf2image(pdfFile, storePath, zoom=2.0):
    doc = fitz.open(pdfFile)
    picName = os.path.splitext(os.path.basename(pdfFile))[0]
    index = 0
    os.makedirs(storePath, exist_ok=True)
    images = []
    print(f"To convert: {pdfFile}")
    for pg in range(doc.page_count):
        page = doc[pg]
        index += 1
        rotate = int(0)
        print(f"\tconvert page {index}")
        # 每個(gè)尺寸的縮放系數(shù)(提高生成分辨率)
        zoom_x, zoom_y = zoom, zoom
        mat = fitz.Matrix(zoom_x, zoom_y)
        pm = page.get_pixmap(matrix=mat, alpha=False)
        imgName = '{}-{}.jpg'.format(picName, index)
        imgFile = os.path.join(storePath, imgName)
        pm.save(imgFile)
        images.append(imgFile)
    doc.close()
    return images

圖片轉(zhuǎn)PDF

把圖片插入到新建頁中（插入位置使用頁面框，即填充整個(gè)頁面）

def image2pdf(imgDir, pdfFile, width=595, height=842):
    doc = fitz.open()
    print("To convert image to PDF:")
    for img in sorted(glob.glob("{}/*".format(imgDir))):
        print(f"\tAdd image {img}")
        page = doc.new_page(width=width, height=height)
        page.insert_image(page.rect, filename=img)  # 將當(dāng)前頁插入文檔
    doc.save(pdfFile)
    print(f"PDF save to {pdfFile}")
    doc.close()

PDF轉(zhuǎn)PPT

轉(zhuǎn)PPT時(shí)需要用到pptx庫：pip install python-pptx

使用文檔：https://python-pptx.readthedocs.io/en/latest/index.html

先把PDF轉(zhuǎn)為圖片，然后把每張圖片生成一個(gè)幻燈片頁面（PPT頁面大小有width與height控制）

import fitz
import pptx
from pptx.util import Inches
def pdf2pptx(pdfFile, pptFile, imgPath, width=10, height=7.5, zoom=2.0):
    images = pdf2image(pdfFile, imgPath, zoom)
    ppt = pptx.Presentation()
    for i in images:
        layout = ppt.slide_layouts[0]  # 定義一個(gè)PPT頁面樣式
        slide = ppt.slides.add_slide(layout)
        slide.shapes.add_picture(
            image_file=i,
            left=Inches(0),
            top=Inches(0),
            width=Inches(width),
            height=Inches(height)
        )
    ppt.save(pptFile)
    shutil.rmtree(imgPath)

到此這篇關(guān)于Python PyMuPDF實(shí)現(xiàn)PDF與圖片和PPT相互轉(zhuǎn)換的文章就介紹到這了,更多相關(guān)Python PyMuPDF內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: