快捷導航

python實現(xiàn)PDF文檔提取,分割與合并操作

更新時間：2026年02月16日 08:13:23 作者：夏末蟬未鳴01

這篇文章主要為大家詳細介紹了python進行PDF文檔提取,分割與合并等操作的實現(xiàn)方法,文中的示例代碼講解詳細,感興趣的小伙伴可以了解下

一、PDF提取文字/轉(zhuǎn)圖片

提取文字和轉(zhuǎn)圖片使用的是fitz模塊，模塊安裝：

pip install PyMuPDF

提取文字

import fitz
 

pdf = fitz.open('xxxx.pdf')  # xxxx.pdf是pdf文件名或路徑
pages = pdf.page_count  # 獲取pdf頁數(shù)
page = pdf[n]  # 獲取pdf第n頁，n為頁碼，從0開始

x = page.rect[2]  # 獲取頁寬
y = page.rect[3]  # 獲取頁高

content = page.get_text()  # 提取這一整頁的文字
# 獲取指定區(qū)域文字
content = page.get_text(clip=(x1, y1, x2, y2))  # x1為指定區(qū)域左上角x坐標，y1區(qū)域左上角y坐標，x2為區(qū)域右下角x坐標，y2區(qū)域右下角y坐標

轉(zhuǎn)圖片

import fitz
 

pdf = fitz.open('xxxx.pdf')  # xxxx.pdf是pdf文件名或路徑
page = pdf[n]  # 獲取pdf第n頁，n為頁碼，從0開始

z_x = 3  # 寬度放大比例
z_y = 3  # 高度放大比例
mat = fitz.Matrix(z_x, z_y)
pix = page.get_pixmap(matrix=mat)
pix.save('xxxx.png')  # 保存圖片為xxxx.png

二、分割、合并PDF文檔

2.1 使用PyPDF2模塊

模塊安裝：

pip install PyPDF2

分割、合并PDF

import PyPDF2


pdf = PyPDF2.PdfReader('xxxx.pdf')  # 打開名為xxxx.pdf的PDF文檔
pages = pdf.pages  # PDF總頁數(shù)

writer = PyPDF2.PdfWriter()  # 創(chuàng)建新的PDF變量

writer.add_page(pdf.pages[0])  # 將第1頁分割到新的PDF
writer.add_page(pdf.pages[1])  # 將第2頁分割到新的PDF
with open('xxxx2.pdf', 'wb') as output_pdf:  # 將分割出來的頁保存為新的PDF文件xxxx2.pdf
    writer.write(output_pdf)

writer2 = PyPDF2.PdfWriter()  # 創(chuàng)建新的PDF變量
writer2.add_page(pdf.pages[2])  # 將第3頁分割到新的PDF
writer2.add_page(pdf.pages[99])  # 將第100頁分割到新的PDF
with open('xxxx3.pdf', 'wb') as output_pdf:  # 將分割出來的頁保存為新的PDF文件xxxx3.pdf
    writer2.write(output_pdf)

2.2 使用fitz模塊

模塊安裝：

pip install PyMuPDF

示例：

import fitz


writer = fitz.open()  # 創(chuàng)建一個空白pdf

# 打開1.pdf，并寫入新創(chuàng)建的pdf中
pdf = fitz.open('1.pdf') 
writer.insert_pdf(pdf, start_at=writer.page_count)
pdf.close()
# 打開2.pdf，并將第1-3頁寫入新創(chuàng)建的pdf中（頁碼從0起算）
pdf = fitz.open('2.pdf')
writer.insert_pdf(pdf, start_at=writer.page_count, from_page=1, to_page=3)
pdf.close()
# 打開3.pdf，并寫入新創(chuàng)建的pdf中
pdf = fitz.open('3.pdf')
writer.insert_pdf(pdf, start_at=writer.page_count)
pdf.close()

writer.save('xxxx.pdf')  # 保存為xxxx.pdf
writer.close()

分割跟合并PDF的原理是一樣的，前者是打開一個PDF文檔，創(chuàng)建并保存為多個PDF文檔；后者是打開多個PDF文檔，創(chuàng)建并保存為一個PDF文檔。

使用PyPDF2模塊合并pdf文件時常常遇到亂碼問題，因此本人更推薦使用fitz模塊。

到此這篇關(guān)于python實現(xiàn)PDF文檔提取,分割與合并操作的文章就介紹到這了,更多相關(guān)python PDF文檔操作內(nèi)容請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: