英语日语

在 Discord 上找到 #pymupdf

欢迎使用 PyMuPDF

PyMuPDF 是一个高性能的 Python 库，用于提取、分析、转换和操作 PDF（及其他）文档的数据。

PyMuPDF 托管在 GitHub 上，并在 PyPI 上注册。

---

本文档涵盖 1.26.0 及之前的所有版本。

---

关于

• 功能对比
• 性能
• 许可与版权
• PyMuPDF4LLM
• PyMuPDF Pro

用户指南

• 安装
• 基础知识
• 教程
• PyMuPDF、LLM 和 RAG
• 资源

操作指南

• 打开文件
  • 支持的文件类型
  • 如何打开文件
    • 文件识别器：使用错误的文件扩展名打开
  • 打开远程文件
    • 打开云服务中的文件
  • 打开 Django 文件
  • 将文件作为文本打开
    • 示例
• 文本
  • 如何提取所有文档文本
  • 如何将文本提取为 Markdown
  • 如何从页面提取键值对
  • 如何从矩形区域内提取文本
  • 如何按自然阅读顺序提取文本
  • 如何从文档中提取表格内容
  • 如何标记提取的文本
  • 如何标记搜索到的文本
  • 如何标记非水平文本
  • 如何分析字体特征
  • 如何插入文本
    • 如何写入文本行
    • 如何填充文本框
    • 如何使用 HTML 文本填充框
  • 如何提取带颜色的文本
• 图像
  • 如何从文档页面制作图像
  • 如何提高图像分辨率
  • 如何创建部分 Pixmap (剪辑)
  • 如何将剪辑缩放到 GUI 窗口
  • 如何创建或隐藏注释图像
  • 如何提取图像：非 PDF 文档
  • 如何提取图像：PDF 文档
  • 如何处理图像遮罩
  • 如何将所有图片（或文件）合并为一个 PDF
  • 如何创建矢量图像
  • 如何转换图像
  • 如何使用 Pixmap：拼接图像
  • 如何使用 Pixmap：生成分形
  • 如何与 NumPy 交互
  • 如何向 PDF 页面添加图像
  • 如何使用 Pixmap：检查文本可见性
• 注释
  • 如何添加和修改注释
  • 如何使用 FreeText
  • 如何使用 Ink 注释
• 绘图与图形
  • 如何提取绘图
  • 如何删除绘图
  • 如何绘制图形
• 故事流
  • 如何添加带格式的文本行
  • 如何使用图像
  • 如何为 Story 读取外部 HTML 和 CSS
  • 如何使用 Story 模板输出数据库内容
  • 如何与现有 PDF 集成
  • 如何创建多列布局并访问 pymupdf-fonts 包中的字体
  • 如何创建围绕预定义“禁区”布局的布局
  • 如何输出 HTML 表格
  • 如何创建简单的网格布局
  • 如何生成目录
  • 如何显示 JSON 数据列表
  • 使用替代的 Story.write*() 函数
    • 如何使用 Story.write() 进行基本布局
    • 如何使用 Story.write_stabilized() 对目录进行迭代布局
    • 如何使用 Story.write_stabilized_links() 进行迭代布局并创建 PDF 链接
• 日志记录
  • 示例会话 1
  • 示例会话 2
• 多进程
• OCR - 光学字符识别
  • 如何对图像进行 OCR
  • 如何对文档页面进行 OCR
• 可选内容支持
  • 介绍：可选内容概念
  • PyMuPDF 对 PDF 可选内容的支持
  • 如何添加可选内容
  • 如何定义复杂的可选内容条件
• 低级接口
  • 如何迭代 xref 表
  • 如何处理对象流
  • 如何处理页面内容
  • 如何访问 PDF 目录
  • 如何访问 PDF 文件尾部
  • 如何访问 XML 元数据
  • 如何扩展 PDF 元数据
  • 如何读取和更新 PDF 对象
• 常见问题及解决方案
  • 如何动态清理损坏的 PDF 文件
  • 如何将任何文档转换为 PDF
  • 更改注释：意外行为
    • 问题
    • 原因
    • 解决方案
  • 提取的文本丢失或不可读
    • 问题：没有提取到文本
    • 原因
    • 解决方案
    • 问题：文本不可读
    • 原因
    • 解决方案

API 参考

• 命令行接口
  • 调用
  • 清理和复制
  • 提取字体和图像
  • 合并 PDF 文档
  • 低级信息
  • 嵌入文件命令
  • 文本提取
• 类
  • Annot
  • Archive
  • Colorspace
  • DisplayList
  • Document
  • DocumentWriter
  • Font
  • Identity
  • IRect
  • Link
  • linkDest
  • Matrix
  • Outline
  • Page
  • Pixmap
  • Point
  • Quad
  • Rect
  • Shape
  • Story
  • TextPage
  • TextWriter
  • Tools
  • Widget
  • Xml
• 几何对象的运算符代数
  • 一般说明
  • 一元运算
  • 二元运算
  • 一些示例
• 低级函数和类
  • 函数
  • Device
  • 协同工作：DisplayList 和 TextPage
• 术语表
  • coordinate
  • matrix_like
  • rect_like
  • irect_like
  • point_like
  • quad_like
  • inheritable
  • MediaBox
  • CropBox
  • catalog
  • trailer
  • contents
  • resources
  • dictionary
  • page
  • pagetree
  • object
  • stream
  • unitvector
  • xref
  • fontsize
  • resolution
  • OCPD
  • OCCD
  • OCG
  • OCMD
  • ligature
• 常量和枚举
  • 常量
  • 文档权限
  • PDF 可选内容代码
  • PDF 加密方法代码
  • 字体文件扩展名
  • 文本对齐
  • 字体属性
  • 文本提取标志
  • 链接目标类型
  • 链接目标标志
  • 注释相关常量
  • 控件常量
  • PDF 标准混合模式
  • 图章注释图标
• 颜色数据库
  • 函数 getColor()
  • 打印颜色数据库

其他

• 附录 1：文本提取详情
  • TextPage 的总体结构
  • 纯文本
  • BLOCKS (块)
  • WORDS (词)
  • HTML
  • 控制 HTML 输出质量
  • DICT (或 JSON)
  • RAWDICT (或 RAWJSON)
  • XML
  • XHTML
  • 文本提取标志默认值
  • 性能
• 附录 2：关于嵌入文件的注意事项
  • 通用
  • MuPDF 支持
  • PyMuPDF 支持
• 附录 3：杂项技术信息
  • 图像变换矩阵
  • PDF Base 14 字体
  • Adobe PDF 参考
  • 在 PyMuPDF 中使用 Python 序列作为参数
  • 确保 PyMuPDF 中重要对象的一致性
  • Page.show_pdf_page() 方法的设计
  • 诊断
  • 坐标
• 附录 4：性能对比方法论
  • 使用的文件
  • 使用的工具
  • 复制 / 连接 / 合并
  • 文本提取
  • 页面渲染
• 变更日志
• 已废弃的名称

---

---

此软件按“现状”提供，不附带任何明示或暗示的保证。本软件根据许可分发，除许可条款明确授权外，不得复制、修改或分发。有关许可信息，请访问 artifex.com 或联系 Artifex Software Inc.，地址：39 Mesa Street, Suite 108A, San Francisco CA 94129, United States 获取进一步信息。

本文档涵盖 1.26.0 及之前的所有版本。