Python使用PyMuPDF實(shí)現(xiàn)PDF文件的智能注釋
引言
在數(shù)字化辦公的浪潮中，處理和分析大量文檔成為了我們?nèi)粘９ぷ鞯囊徊糠?。尤其是面?duì)PDF文件，手動(dòng)檢索和標(biāo)注信息不僅耗時(shí)耗力，還難免疏漏。為了提升效率并減少人為失誤，我精心打造了這款Python腳本，它能夠智能化地在PDF文檔中定位并標(biāo)注Excel表格所指定的關(guān)鍵文本。本文將深入探討這一腳本的內(nèi)在邏輯，并指導(dǎo)你如何輕松駕馭這一自動(dòng)化工具。
程序的核心功能在于，它能夠識(shí)別Excel文件中B列的特定文本，一旦這些文本在PDF文檔中被找到，腳本便會(huì)自動(dòng)在這些文本周?chē)L制矩形框，并在相鄰位置以注釋的形式展示同一行A列的內(nèi)容。這一過(guò)程不僅提高了PDF文檔處理的速度，同時(shí)也確保了信息標(biāo)注的準(zhǔn)確性和一致性。接下來(lái)，我將逐步展開(kāi)，詳細(xì)解釋這一自動(dòng)化流程的每個(gè)關(guān)鍵步驟。
值得注意的是，隨著PyMuPDF庫(kù)的不斷更新迭代，PyMuPDF庫(kù)的語(yǔ)法已經(jīng)產(chǎn)生不小的變化和以及新功能的加入，使得現(xiàn)有網(wǎng)絡(luò)上的許多教程和文檔的語(yǔ)法已經(jīng)在某些情況下不再適用于最新版本使用需求。基于這一現(xiàn)狀，筆者投入了不少時(shí)間和精力進(jìn)行研究和實(shí)踐，以確保本腳本使用的是最新的、正確的語(yǔ)法和方法。
在這篇文章中，你將看到：
- 最新版本的PyMuPDF的正確使用方式。
- 如何利用PyMuPDF的強(qiáng)大功能來(lái)實(shí)現(xiàn)復(fù)雜的PDF處理任務(wù)。
- 實(shí)用技巧和最佳實(shí)踐，幫助你避免常見(jiàn)的陷阱和錯(cuò)誤。
我希望通過(guò)分享這些經(jīng)過(guò)驗(yàn)證的知識(shí)和經(jīng)驗(yàn)，能夠幫助你在自動(dòng)化PDF和Excel文件處理的道路上少走彎路，直接掌握最前沿的技術(shù)。無(wú)論你是編程新手還是資深開(kāi)發(fā)者，這篇文章都將為你提供寶貴的信息和指導(dǎo)。讓我們一起探索自動(dòng)化魔法的奧秘，釋放你的工作效率吧！
環(huán)境準(zhǔn)備
在開(kāi)始之前，請(qǐng)確保你的Python環(huán)境中安裝了以下庫(kù)：
- PyMuPDF：用于讀取、修改PDF文件。
- openpyxl：用于讀取Excel文件。
- Tkinter：用于創(chuàng)建圖形用戶界面（GUI）。
要安裝這三個(gè)庫(kù)，你可以使用Python的包管理器pip。以下是安裝命令：
對(duì)于PyMuPDF：
pip install PyMuPDF
對(duì)于openpyxl：
pip install openpyxl
對(duì)于Tkinter（通常Python的安裝已經(jīng)包含了Tkinter，但如果沒(méi)有，你可以使用以下命令安裝）：
pip install tk
請(qǐng)注意，如果你使用的是Python 3.x版本，通常pip命令已經(jīng)內(nèi)置在Python中，你可以直接使用它來(lái)安裝這些庫(kù)。如果你使用的是Python 2.x版本，可能需要使用pip2或pip3來(lái)指定正確的Python版本。
腳本功能概述
本腳本具有以下核心功能：
- 通過(guò)GUI讓用戶選擇PDF和Excel文件。
- 讀取Excel文件中B列數(shù)據(jù)以獲取指定的文本，并在PDF中搜索這些文本。
- 在PDF中找到的文本位置添加矩形框和文本注釋。
- 保存修改后的PDF文件，并提供選項(xiàng)讓用戶選擇保存路徑。
- 腳本運(yùn)行結(jié)束后，提示用戶按特定鍵退出程序。
腳本詳解
1. 圖形用戶界面（GUI）
使用Tkinter庫(kù)創(chuàng)建一個(gè)簡(jiǎn)潔的GUI，讓用戶能夠方便地選擇需要處理的文件。
# 創(chuàng)建Tk窗口對(duì)象并立即銷(xiāo)毀，用于文件對(duì)話框
root = Tk()
root.withdraw()
# 使用tkinter.filedialog獲取PDF文件路徑
input_file_pdf = filedialog.askopenfilename(
title="請(qǐng)選擇PDF文件", # 對(duì)話框標(biāo)題
filetypes=(("PDF files", "*.pdf"), ("All files", "*.*")) # 文件類(lèi)型過(guò)濾
)
# 如果用戶取消了文件選擇，就退出程序
if not input_file_pdf:
print("未選擇文件，程序?qū)⑼顺觥?)
exit()
2. 打開(kāi)和讀取文件
使用PyMuPDF打開(kāi)用戶選擇的PDF文件，使用openpyxl讀取Excel文件，并獲取活動(dòng)工作表。
# 打開(kāi)PDF文件
print("正在打開(kāi)PDF文件，請(qǐng)稍候...")
doc = fitz.open(input_file_pdf) # 使用PyMuPDF打開(kāi)PDF文件
print("已打開(kāi)PDF文件，請(qǐng)稍候...")
# 使用tkinter.filedialog獲取Excel文件路徑
input_file_excel = filedialog.askopenfilename(
title="請(qǐng)選擇Excel文件", # 對(duì)話框標(biāo)題
filetypes=(("Excel files", "*.xlsx"), ("All files", "*.*")) # 文件類(lèi)型過(guò)濾
)
# 如果用戶取消了文件選擇，就退出程序
if not input_file_excel:
print("未選擇文件，程序?qū)⑼顺觥?)
exit()
3. 搜索和注釋
遍歷Excel工作表的每一行，使用PyMuPDF的搜索功能在PDF中查找指定文本，并在找到的位置添加矩形框和文本注釋。
# 遍歷Excel的每一行，從第二行開(kāi)始讀取
for row in ws.iter_rows(min_row=1, values_only=True):
text = str(row[0]) # 獲取A列的值
text_to_search = row[1] # 獲取B列的值
print(f"正在處理Excel中的文本：'{text}' 和 '{text_to_search}'")
# 用于跟蹤是否在當(dāng)前循環(huán)中找到文本的變量
page_text_found = False
# 遍歷PDF的每一頁(yè)
for page_number in range(len(doc)):
page = doc[page_number] # 訪問(wèn)當(dāng)前頁(yè)
areas = page.search_for(text_to_search) # 在當(dāng)前頁(yè)搜索文本
# 如果在頁(yè)面上找到文本，添加擴(kuò)大的矩形框和文本注釋
if areas:
page_text_found = True
for area in areas:
x0, y0, x1, y1 = area
print(f"在第 {page_number + 1} 頁(yè)找到文本 '{text_to_search}'")
# 擴(kuò)大矩形框
new_x0 = 27.7 # 根據(jù)需要調(diào)整
new_y0 = y0 - down_size
new_x1 = 524.6 # 根據(jù)需要調(diào)整
new_y1 = y1 + up_size
# 創(chuàng)建擴(kuò)大后的矩形區(qū)域
rect = fitz.Rect(new_x0, new_y0, new_x1, new_y1)
# 添加矩形注釋
annot = page.add_rect_annot(rect)
annot.set_border(width=2)
annot.update(opacity=1)
# 添加文本注釋
new_rect = fitz.Rect(5, new_y0 + 3, 10 + 50, new_y0 + 15)
annot = page.add_freetext_annot(new_rect, text, fontsize=12, text_color=(1, 0, 0))
# 由于找到文本后已添加注釋?zhuān)梢蕴鰞?nèi)層循環(huán)
break
# 如果在當(dāng)前Excel行的搜索中沒(méi)有找到文本，則告知用戶
if not page_text_found:
print(f"在整個(gè)PDF中沒(méi)有找到文本 '{text_to_search}'。")4. 保存和退出
用戶選擇保存路徑后，腳本將保存修改后的PDF文件，并在所有操作完成后提示用戶按特定鍵退出程序。
# 使用tkinter.filedialog獲取保存PDF的文件路徑
output_file_pdf = filedialog.asksaveasfilename(
title="請(qǐng)輸入要保存的PDF文件路徑",
filetypes=(("PDF files", "*.pdf"), ("All files", "*.*")),
defaultextension=".pdf" # 設(shè)置默認(rèn)擴(kuò)展名為PDF
)
# 如果用戶取消了保存文件選擇，就退出程序
if not output_file_pdf:
print("未選擇保存路徑，程序?qū)⑼顺觥?)
exit()
print("正在保存修改后的PDF文件，請(qǐng)稍候...")
doc.save(output_file_pdf) # 保存修改后的PDF文件
print("修改后的PDF文件已保存。")
# 關(guān)閉文檔
doc.close() # 關(guān)閉PyMuPDF文檔
print("搜索完成，PDF文件已關(guān)閉。")代碼示例文件與截圖
Excel文件原內(nèi)容
PDF文件原內(nèi)容
程序運(yùn)行后PDF文件內(nèi)容
代碼運(yùn)行截圖
完整代碼
# 導(dǎo)入PyMuPDF庫(kù)，用于處理PDF文件
import fitz
# 導(dǎo)入openpyxl庫(kù)中的load_workbook函數(shù)，用于處理Excel文件
from openpyxl import load_workbook
# 導(dǎo)入Tk和filedialog，用于創(chuàng)建圖形用戶界面對(duì)話框
from tkinter import Tk, filedialog
# 創(chuàng)建Tk窗口對(duì)象并立即銷(xiāo)毀，用于文件對(duì)話框
root = Tk()
root.withdraw()
# 使用tkinter.filedialog獲取PDF文件路徑
input_file_pdf = filedialog.askopenfilename(
title="請(qǐng)選擇PDF文件", # 對(duì)話框標(biāo)題
filetypes=(("PDF files", "*.pdf"), ("All files", "*.*")) # 文件類(lèi)型過(guò)濾
)
# 如果用戶取消了文件選擇，就退出程序
if not input_file_pdf:
print("未選擇文件，程序?qū)⑼顺觥?)
exit()
# 打開(kāi)PDF文件
print("正在打開(kāi)PDF文件，請(qǐng)稍候...")
doc = fitz.open(input_file_pdf) # 使用PyMuPDF打開(kāi)PDF文件
print("已打開(kāi)PDF文件，請(qǐng)稍候...")
# 使用tkinter.filedialog獲取Excel文件路徑
input_file_excel = filedialog.askopenfilename(
title="請(qǐng)選擇Excel文件", # 對(duì)話框標(biāo)題
filetypes=(("Excel files", "*.xlsx"), ("All files", "*.*")) # 文件類(lèi)型過(guò)濾
)
# 如果用戶取消了文件選擇，就退出程序
if not input_file_excel:
print("未選擇文件，程序?qū)⑼顺觥?)
exit()
# 打開(kāi)Excel文件
print("正在打開(kāi)Excel文件，請(qǐng)稍候...")
wb = load_workbook(filename=input_file_excel) # 加載Excel文件
ws = wb.active # 獲取活動(dòng)工作表
# 矩形擴(kuò)大的尺寸
up_size = 5 # 上邊擴(kuò)大的尺寸
down_size = 3 # 下邊擴(kuò)大的尺寸
left_size = 77.5 # 左邊擴(kuò)大的尺寸
right_size = 389.5 # 右邊擴(kuò)大的尺寸
# 遍歷Excel的每一行，從第二行開(kāi)始讀取
for row in ws.iter_rows(min_row=1, values_only=True):
text = str(row[0]) # 獲取A列的值
text_to_search = row[1] # 獲取B列的值
print(f"正在處理Excel中的文本：'{text}' 和 '{text_to_search}'")
# 用于跟蹤是否在當(dāng)前循環(huán)中找到文本的變量
page_text_found = False
# 遍歷PDF的每一頁(yè)
for page_number in range(len(doc)):
page = doc[page_number] # 訪問(wèn)當(dāng)前頁(yè)
areas = page.search_for(text_to_search) # 在當(dāng)前頁(yè)搜索文本
# 如果在頁(yè)面上找到文本，添加擴(kuò)大的矩形框和文本注釋
if areas:
page_text_found = True
for area in areas:
x0, y0, x1, y1 = area
print(f"在第 {page_number + 1} 頁(yè)找到文本 '{text_to_search}'")
# 擴(kuò)大矩形框
new_x0 = 27.7 # 根據(jù)需要調(diào)整
new_y0 = y0 - down_size
new_x1 = 524.6 # 根據(jù)需要調(diào)整
new_y1 = y1 + up_size
# 創(chuàng)建擴(kuò)大后的矩形區(qū)域
rect = fitz.Rect(new_x0, new_y0, new_x1, new_y1)
# 添加矩形注釋
annot = page.add_rect_annot(rect)
annot.set_border(width=2)
annot.update(opacity=1)
# 添加文本注釋
new_rect = fitz.Rect(5, new_y0 + 3, 10 + 50, new_y0 + 15)
annot = page.add_freetext_annot(new_rect, text, fontsize=12, text_color=(1, 0, 0))
# 由于找到文本后已添加注釋?zhuān)梢蕴鰞?nèi)層循環(huán)
break
# 如果在當(dāng)前Excel行的搜索中沒(méi)有找到文本，則告知用戶
if not page_text_found:
print(f"在整個(gè)PDF中沒(méi)有找到文本 '{text_to_search}'。")
# 使用tkinter.filedialog獲取保存PDF的文件路徑
output_file_pdf = filedialog.asksaveasfilename(
title="請(qǐng)輸入要保存的PDF文件路徑",
filetypes=(("PDF files", "*.pdf"), ("All files", "*.*")),
defaultextension=".pdf" # 設(shè)置默認(rèn)擴(kuò)展名為PDF
)
# 如果用戶取消了保存文件選擇，就退出程序
if not output_file_pdf:
print("未選擇保存路徑，程序?qū)⑼顺觥?)
exit()
print("正在保存修改后的PDF文件，請(qǐng)稍候...")
doc.save(output_file_pdf) # 保存修改后的PDF文件
print("修改后的PDF文件已保存。")
# 關(guān)閉文檔
doc.close() # 關(guān)閉PyMuPDF文檔
print("搜索完成，PDF文件已關(guān)閉。")
# 提示用戶按下q鍵退出程序，并檢查輸入
print("程序運(yùn)行結(jié)束，按 'q' 鍵退出程序（不區(qū)分大小寫(xiě)）。")
while True: # 創(chuàng)建一個(gè)無(wú)限循環(huán)
key = input().strip().lower() # 獲取用戶輸入并轉(zhuǎn)換為小寫(xiě)
if key == 'q': # 檢查輸入是否是 'q'
break # 如果是 'q'，退出循環(huán)
else:
print("請(qǐng)輸入 'q' 以退出程序。")結(jié)語(yǔ)
這個(gè)Python腳本提供了一種高效、自動(dòng)化的方式來(lái)處理PDF和Excel文件，尤其適用于需要在大量文檔中搜索和標(biāo)記特定信息的場(chǎng)景。通過(guò)使用這個(gè)腳本，你可以節(jié)省寶貴的時(shí)間，減少人為錯(cuò)誤，提高工作效率。
到此這篇關(guān)于Python使用PyMuPDF實(shí)現(xiàn)PDF文件的智能注釋的文章就介紹到這了,更多相關(guān)Python PDF智能注釋內(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！
相關(guān)文章
Pandas DataFrame實(shí)現(xiàn)任意位置插入一列或一行
Pandas是Python中最流行的數(shù)據(jù)處理和分析庫(kù)之一,在數(shù)據(jù)分析過(guò)程中,有時(shí)候需要在Dataframe中插入新的數(shù)據(jù)列,本文主要介紹了Pandas DataFrame實(shí)現(xiàn)任意位置插入一列或一行,具有一定的參考價(jià)值,感興趣的可以了解一下2023-08-08
基于Python實(shí)現(xiàn)煙花效果的示例代碼
這篇文章主要為大家詳細(xì)介紹了如何利用Python制作出煙花的效果，文中的示例代碼講解詳細(xì)，對(duì)我們學(xué)習(xí)Python有一定幫助，需要的可以參考一下2022-06-06
python第三方庫(kù)subprocess執(zhí)行cmd同時(shí)輸入密碼獲取參數(shù)
本文給大家介紹python subprocess執(zhí)行cmd同時(shí)輸入密碼獲取參數(shù),手動(dòng)輸入cmd命令,本文給大家逐一介紹這個(gè)命令的使用方法,感興趣的朋友跟隨小編一起看看吧2024-01-01
django 認(rèn)證類(lèi)配置實(shí)現(xiàn)
本文主要介紹了django 認(rèn)證類(lèi)配置實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2021-11-11
在本篇文章里小編給大家分享的是一篇關(guān)于python中Mako庫(kù)實(shí)例用法的相關(guān)文章，有需要的朋友們可以學(xué)習(xí)參考下。2020-12-12
Python跨文件調(diào)用函數(shù)以及在一個(gè)文件中執(zhí)行另一個(gè)文件
這篇文章主要給大家介紹了關(guān)于Python跨文件調(diào)用函數(shù)以及在一個(gè)文件中執(zhí)行另一個(gè)文件的相關(guān)資料,文中通過(guò)實(shí)例代碼介紹的非常詳細(xì),對(duì)大家學(xué)習(xí)或者使用Python具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2022-12-12
Python pandas如何獲取數(shù)據(jù)的行數(shù)和列數(shù)
這篇文章主要介紹了Python pandas如何獲取數(shù)據(jù)的行數(shù)和列數(shù)問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-02-02
Python實(shí)現(xiàn)的堆排序算法原理與用法實(shí)例分析
這篇文章主要介紹了Python實(shí)現(xiàn)的堆排序算法,簡(jiǎn)單描述了堆排序的原理,并結(jié)合實(shí)例形式分析了Python實(shí)現(xiàn)堆排序的相關(guān)操作技巧,代碼中備有較為詳細(xì)的注釋便于理解,需要的朋友可以參考下2017-11-11
這篇文章主要介紹了python數(shù)組和矩陣的用法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-05-05
這篇文章主要介紹了詳解Python3中的Sequence type的使用,是Python入門(mén)學(xué)習(xí)中的基礎(chǔ)知識(shí),需要的朋友可以參考下2015-08-08