「PyMuPDF 专栏 」PyMuPDF创建PDF、拆分PDF

一、本章前言

在本章中将对以下内容进行详细讲解：

1. 使用PyMuPDF创建PDF文档
   复制功能代码，看第一部分；
   学习每步逻辑，看第二部分。
2. 使用PyMuPDF拆分PDF文档
   复制功能代码，看第一部分；
   学习每步逻辑，看第二部分。

需要注意一下版本信息哈，不然后面的代码可能会出错，尤其是PyMuPDF，需要python的版本在3.8以上。

软件	版本
Spyder	5.4.3
Python	3.10.13
PyMuPDF	1.23.8

二、使用PyMuPDF创建PDF文档

使用PyMuPDF创建PDF文档是一个相对简单的过程。下面是一个详细的步骤指南，帮助你了解如何使用PyMuPDF库来创建PDF文档：

1、实例代码

import fitz  # PyMuPDF

# 创建一个新的PDF文档对象
doc = fitz.Document()

# 如果文档中没有页面的话,添加一个新页面并获取它
if doc.page_count == 0:
    doc.new_page()
page = doc[0]  # 获取第一页（也是唯一的一页）

# 在页面上插入一个包含文本的文本框
rect = fitz.Rect(50, 50, 200, 100)  # 定义文本框的位置和大小（x1, y1, x2, y2）
text_instances = page.insert_textbox(rect, "这是我创建的第一个PDF文档!", fontname="helv", fontsize=12)

# 保存文档到文件系统中
doc.save("E:\\UserData\\Desktop\\new.pdf")  # 将文档保存为new.pdf文件

代码执行效果截图

2、过程详解

①. 安装PyMuPDF

首先，在确保你的Python版本在3.8以上的基础上，通过下面的命令，可以对PyMuPDF进行安装：

pip install PyMuPDF

安装过程注意事项
如果通过默认源进行安装，可能会出现速度较慢的情况，我们可以通过下面的方法解决：

pip install PyMuPDF -i https://pypi.tuna.tsinghua.edu.cn/simple/

在上面的命令中，-i 参数指定了使用清华大学的PyPI镜像源（https://pypi.tuna.tsinghua.edu.cn/simple/）来下载并安装PyMuPDF包。没有深究过，我猜i大概就是 interface的首字母吧。

除了清华源，pip还有其他的国内源可供选择，例如：
阿里源：http://mirrors.aliyun.com/pypi/simple/
豆瓣源：http://pypi.douban.com/simple/
中国科学技术大学源：https://pypi.mirrors.ustc.edu.cn/simple/
华中科技大学源：http://pypi.hustunique.com/

②. 导入PyMuPDF模块

通过下面的方式导入PyMuPDF模块：

import fitz  # PyMuPDF

注意：PyMuPDF通常被称为fitz，这是对其底层库MuPDF的致敬。

③. 创建一个新的PDF文档

我们可以使用fitz.open()函数创建一个新的PDF文档。这个函数通常用于打开现有的PDF文件，但如果当你传递一个不存在的文件路径或一个文件对象时，它会创建一个新的PDF文档。

但更常见并且更为推荐的一种做法是直接使用fitz.Document()来显式地创建一个新文档。

doc = fitz.Document()  # 创建一个空的PDF文档

④. 添加页面和内容

接下来我们向文档中添加页面和内容。我们可以使用Document.new_page()方法来添加一个新页面，然后使用Page.insert_textbox()或其他绘图方法来添加文本、图像或者其他的内容。不过，new_page方法通常不需要直接调用，因为当我们首次向文档添加内容时，它会自动创建一个新页面。

举一个简单的，向第一页添加文本：

# 如果文档中没有页面的话，就添加一个新页面
if doc.page_count == 0:
    doc.new_page()

# 通过doc[0]获取第一页
page = doc[0]

# 创建一个文本框并添加文本
rect = fitz.Rect(50, 50, 200, 100)  # 定义文本框的位置和大小（x1, y1, x2, y2）
text_instances = page.insert_textbox(rect, "这是我创建的第一个PDF文档!", fontname="helv", fontsize=12)

⑤. 保存文档

最后，使用Document.save()方法将你的更改保存到文件中：

doc.save("E:\\UserData\\Desktop\\new.pdf")  # 将文档保存为new.pdf文件

三、使用PyMuPDF拆分PDF文档

1、实例代码

# -*- coding: utf-8 -*-
"""
Created on Wed Jan  3 11:04:40 2024

@author: 85401
"""

# 导入PyMuPDF库
import fitz    
    
# 定义一个名为split_pdf的函数，设置两个参数：
# source_filepath（我们要处理的PDF文件的路径）和 output_folder（分割以后输出文件夹的路径）
def split_pdf(source_filepath, output_folder):
    # 使用fitz.open方法打开源PDF文件，并将其对象赋值给source_pdf变量
    source_pdf = fitz.open(source_filepath)
   
    # 遍历source_pdf中的每一页，page_number从0开始计数  
    for page_number in range(source_pdf.page_count):
        
        # 创建一个新的PDF文档对象output_pdf  
        output_pdf = fitz.open()    
   
        # 使用insert_pdf方法将源PDF文件的指定页面插入到新PDF文档中 
        # from_page=page_number, to_page=page_number 的意思是：
        # 我只要 source_pdf 的 第 page_number 页。
        output_pdf.insert_pdf(source_pdf, from_page=page_number, to_page=page_number)    
  
        # 构建输出文件的路径和名称，格式为"输出文件夹路径/page_{页码号}.pdf"  
        output_filename = f"{output_folder}/page_{page_number + 1}.pdf"    
    
        # 保存新PDF文档到指定的输出文件路径  
        output_pdf.save(output_filename)    
          
        # 关闭新创建的PDF文档，释放资源 
        output_pdf.close()    
         
    # 关闭源PDF文件，释放资源  
    source_pdf.close()    
    
# 指定输入文件的路径为桌面上的一个PDF文件  
input_file = "E:\\UserData\\Desktop\\三级笔译考试大纲.pdf"  
# 指定输出文件夹的路径为桌面上的一个文件夹  
output_folder = "E:\\UserData\\Desktop\\PDF"  
# 调用split_pdf函数，传入输入文件和输出文件夹的路径，开始执行PDF分割操作  
split_pdf(input_file, output_folder)

分割效果图

2、过程解析

当然可以。以下是对您提供的代码的深度解析，分章分节进行详细讲解：

①. 导入模块

import fitz  # 导入PyMuPDF库

②. 定义函数

def split_pdf(source_filepath, output_folder):
    # ...（函数体）

解析：

• 定义了一个名为split_pdf的函数，该函数接受两个参数。
• source_filepath（我们要处理的PDF文件的路径）
• output_folder（输出文件夹的路径）。
• 这个函数目的在于将源PDF文件的每一页分割成单独的PDF文件，并保存到指定的输出文件夹中。

③. 打开源PDF文件

source_pdf = fitz.open(source_filepath)  # 使用fitz.open方法打开源PDF文件

解析：

• source_pdf = fitz.open(source_filepath)：这行代码使用fitz.open方法打开了指定路径下的源PDF文件，并将返回的文件对象赋值给变量source_pdf。

④. 遍历页面并分割PDF

for page_number in range(source_pdf.page_count):  # 遍历每一页
    output_pdf = fitz.open()  # 创建一个新的PDF文档对象
    output_pdf.insert_pdf(source_pdf, from_page=page_number, to_page=page_number)  # 
    # ...（其他代码）

解析：

• for page_number in range(source_pdf.page_count):：使用for循环遍历源PDF文件中的每一页。range(source_pdf.page_count)生成一个从0到source_pdf.page_count - 1的整数序列，代表PDF文件中的每一页的页码。

• output_pdf = fitz.open()：在每次循环中，都创建一个新的空白PDF文档对象，并赋值给变量output_pdf。这个新文档将用于保存从源PDF文件中提取的单个页面。

• output_pdf.insert_pdf(source_pdf, from_page=page_number, to_page=page_number)：这行代码是将源PDF文件中的指定页面插入到新创建的PDF文档中。

⑤. 保存和关闭文件

output_filename = f"{output_folder}/page_{page_number + 1}.pdf"  # 构建输出文件名
output_pdf.save(output_filename)  # 保存新PDF文件到指定位置
output_pdf.close()  # 关闭新PDF文件
source_pdf.close()  # 关闭源PDF文件（这行代码位置有误）

解析：

• output_filename = f"{output_folder}/page_{page_number + 1}.pdf"：使用格式化字符串构建输出文件的路径和名称。文件名以“page_{页码号}.pdf”的格式命名，其中页码号从1开始计数。

• output_pdf.save(output_filename)：将新创建的包含单个页面的PDF文档保存到指定的输出文件路径中。这样，每个页面都会被保存为一个单独的PDF文件。

• output_pdf.close()：关闭新创建的PDF文档对象，释放与之关联的资源。

• source_pdf.close()：关闭源PDF文件对象，释放与之关联的资源。

⑥. 调用函数并执行分割操作

input_file = "E:\\UserData\\Desktop\\三级笔译考试大纲.pdf"  # 指定输入文件的路径为桌面上的一个PDF文件
output_folder = "E:\\UserData\\Desktop\\PDF"  # 指定输出文件夹的路径为桌面上的一个文件夹
split_pdf(input_file, output_folder)  # 调用split_pdf函数，传入输入文件和输出文件夹的路径，开始执行PDF分割操作

解析：

• input_file = "E:\\UserData\\Desktop\\三级笔译考试大纲.pdf"和output_folder = "E:\\UserData\\Desktop\\PDF"：分别指定了输入文件的路径和输出文件夹的路径。

• split_pdf(input_file, output_folder)：传入参数并调用之前定义的split_pdf函数。