# 3、安裝

　　PyMuPDF可以從源碼安裝，也可以從wheels安裝。

　　對于Windows, Linux和Mac OSX平臺，在PyPI的下載部分有wheels。這包括Python 64位版本3.6到3.9。Windows版本也有32位版本。從最近開始，Linux ARM架構也出現(xiàn)了一些問題——查找平臺標簽manylinux2014_aarch64。

　　除了標準庫，它沒有強制性的外部依賴項。只有在安裝了某些包時，才會有一些不錯的方法:

　　Pillow：當使用Pixmap.pil_save()和 Pixmap.pil_tobytes()時需要

　　fontTools：當使用Document.subset_fonts()時需要

　　pymupdf-fonts 是一個不錯的字體選擇，可以用于文本輸出方法

　　使用pip安裝命令：

　　導入庫：

　　關于命名fitz的說明

　　這個庫的標準Python導入語句是import fitz。這是有歷史原因的:

　　MuPDF的原始渲染庫被稱為Libart。

　　在Artifex軟件獲得MuPDF項目后，開發(fā)的重點轉移到編寫一種新的現(xiàn)代圖形圖書館稱為“Fitz”。Fitz最初是作為一個研發(fā)項目，以取代老化的Ghostscript圖形庫，但卻成為了MuPDF的渲染引擎(引用自維基百科)。

　　# 4、使用方法

　　1.導入庫，查看版本

　　2.打開文檔

　　這將創(chuàng)建Document對象doc。文件名必須是一個已經(jīng)存在的文件的python字符串。

　　也可以從內(nèi)存數(shù)據(jù)打開文檔，或創(chuàng)建新的空PDF。您還可以將文檔用作上下文管理器。

　　3.Document的方法和屬性

　　示例：

　　4.獲取元數(shù)據(jù)

　　PyMuPDF完全支持標準元數(shù)據(jù)。Document.metadata是一個具有以下鍵的Python字典。

　　它適用于所有文檔類型，但并非所有條目都始終包含數(shù)據(jù)。元數(shù)據(jù)字段為字符串，如果未另行指示，則為無。還要注意的是，并非所有數(shù)據(jù)都始終包含有意義的數(shù)據(jù)——即使它們不是一個都沒有。

　　5.獲取目標大綱

　　6.頁面(Page)

　　頁面處理是MuPDF功能的核心。

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

　　您可以提取多種格式的頁面文本和圖像，并搜索文本字符串。

　　對于PDF文檔，可以使用更多的方法向頁面添加文本或圖像。

　　首先，必須創(chuàng)建一個頁面Page。這是Document的一種方法：

　　這里可以使用任何整數(shù)-inf<pno<page_count。負數(shù)從末尾開始倒數(shù)，所以doc[-1]是最后一頁，就像python序列一樣。< p="">

　　更高級的方法是將文檔用作頁面的迭代器：

　　接下來，主要介紹Page的常用操作！

　　a. 檢查頁面的鏈接、批注或表單字段

　　使用某些查看器軟件顯示文檔時，鏈接顯示為==“熱點區(qū)域”==。如果您在光標顯示手形符號時單擊，您通常會被帶到該熱點區(qū)域中編碼的標記。以下是如何獲取所有鏈接：

　　links是一個Python字典列表。

　　還可以作為迭代器使用：

　　如果處理PDF文檔頁面，還可能存在注釋(Annot)或表單字段(Widget)，每個字段都有自己的迭代器：

　　b. 呈現(xiàn)頁面

　　此示例創(chuàng)建頁面內(nèi)容的光柵圖像：

　　pix是一個Pixmap對象，它(在本例中)包含頁面的RGB圖像，可用于多種用途。

　　方法Page.get_pixmap()提供了許多用于控制圖像的變體：分辨率、顏色空間(例如，生成灰度圖像或具有減色方案的圖像)、透明度、旋轉、鏡像、移位、剪切等。

　　例如：創(chuàng)建RGBA圖像(即，包含alpha通道)，指定pix=page.get_pixmap(alpha=True)。\

　　Pixmap包含以下引用的許多方法和屬性。其中包括整數(shù)寬度、高度(每個像素)和跨距(一個水平圖像行的字節(jié)數(shù))。屬性示例表示表示圖像數(shù)據(jù)的矩形字節(jié)區(qū)域(Python字節(jié)對象)。

　　還可以使用page.get_svg_image()創(chuàng)建頁面的矢量圖像。

　　c. 將頁面圖像保存到文件中

　　我們可以簡單地將圖像存儲在PNG文件中：

　　d. 提取文本和圖像

　　我們還可以以多種不同的形式和細節(jié)級別提取頁面的所有文本、圖像和其他信息：

　　對opt使用以下字符串之一以獲取不同的格式：

　　"text"：(默認)帶換行符的純文本。無格式、無文字位置詳細信息、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。這可以通過internet瀏覽器顯示

　　"dict"/"json"：與HTML相同的信息級別，但作為Python字典或resp.JSON字符串。

　　"rawdict"/"rawjson"："dict"/"json"的超級集合。它還提供諸如XML之類的字符詳細信息。

　　"xhtml"：文本信息級別與文本版本相同，但包含圖像。

　　"xml"：不包含圖像，但包含每個文本字符的完整位置和字體信息。使用XML模塊進行解釋。

　　e. 搜索文本

　　您可以找到某個文本字符串在頁面上的確切位置：

　　這將提供一個矩形列表，每個矩形都包含一個字符串“mupdf”(不區(qū)分大小寫)。您可以使用此信息來突出顯示這些區(qū)域(僅限PDF)或創(chuàng)建文檔的交叉引用。

　　7.PDF操作

　　PDF是唯一可以使用PyMuPDF修改的文檔類型。其他文件類型是只讀的。

　　但是，您可以將任何文檔(包括圖像)轉換為PDF，然后將所有PyMuPDF功能應用于轉換結果,Document.convert_to_pdf()。

　　Document.save()始終將PDF以其當前(可能已修改)狀態(tài)存儲在磁盤上。

　　通常，您可以選擇是保存到新文件，還是僅將修改附加到現(xiàn)有文件(“增量保存”)，這通常要快得多。

　　下面介紹如何操作PDF文檔。

　　a. 修改、創(chuàng)建、重新排列和刪除頁面

　　有幾種方法可以操作所謂頁面樹(描述所有頁面的結構)：

　　PDF:Document.delete_page()和Document.delete_pages()刪除頁面

　　Document.copy_page()、Document.fullcopy_page()和Document.move_page()將頁面復制或移動到同一文檔中的其他位置。

　　Document.select()將PDF壓縮到選定頁面，參數(shù)是要保留的頁碼序列。這些整數(shù)都必須在0<=i<page_ p="" count范圍內(nèi)。執(zhí)行時，此列表中缺少的所有頁面都將被刪除。剩余的頁面將按順序出現(xiàn)，次數(shù)相同(!)正如您所指定的那樣。<="">

　　因此，您可以輕松地使用創(chuàng)建新的PDF：

　　第一頁或最后10頁

　　僅奇數(shù)頁或偶數(shù)頁(用于雙面打印)

　　包含或不包含給定文本的頁

　　顛倒頁面順序

　　保存的新文檔將包含仍然有效的鏈接、注釋和書簽(i.a.w.指向所選頁面或某些外部資源)。

　　Document.insert_page()和Document.new_page()插入新頁面。

　　此外，頁面本身可以通過一系列方法進行修改(例如頁面旋轉、注釋和鏈接維護、文本和圖像插入)。

　　b. 連接和拆分PDF文檔

　　方法Document.insert_pdf()在不同的pdf文檔之間復制頁面。下面是一個簡單的joiner示例(doc1和doc2在PDF中打開)：

　　下面是一個拆分doc1的片段。它將創(chuàng)建第一頁和最后10頁的新文檔：

　　c. 保存

　　Document.save()將始終以當前狀態(tài)保存文檔。

　　您可以通過指定選項incremental=True將更改寫回原始PDF。這個過程(通常)非常快，因為更改會附加到原始文件，而不會完全重寫它。

　　d. 關閉

　　在程序繼續(xù)運行時，通常需要“關閉”文檔以將底層文件的控制權交給操作系統(tǒng)。

　　這可以通過Document.close()方法實現(xiàn)。除了關閉基礎文件外，還將釋放與文檔關聯(lián)的緩沖區(qū)。