利用pymupdf编辑修改pdf

2024-06-20 08:36| 来源: 网络整理| 查看: 265

利用pymupdf编辑修改pdf 本文背景

为了修改pdf的文本, 在pymupdf官方手册查了一通,没看到明显的说明,然后到github的讨论区看了发现了修改pdf的方案,在此记录一下

参考链接: https://github.com/pymupdf/PyMuPDF/discussions/1019 在这里插入图片描述

主要方法: 找到需要替换的文本块,然后添加修订注释(redaction annotation)添加注释后,步骤1的文本块会被删除在原位置添加新的文本块注意事项: 字体问题: 要考虑被替换的文本块和新的文本块字体是否一致,否则可能看起来跟上下文显得突兀文本长度问题: 最好文本长度差不多,不然可能跟周围的文本块有重叠或者留白太多如果原文本是隐藏文本或者透明的, 文件信息是提取不到它的这个属性,新插入的文本将是可见的修改PDF实践 1. 删除某些文本块

根据前文说明,我们发现使用修订注释可以删除文本块的,因此我们可以利用该方法进行一些文本块的删除操作,具体示例如下:

原文件如下,其中**" 年月日"**是我要删除的文本块

相关代码 import fitz doc = fitz.open("PDF文件路径") page = doc.load_page(0) # 遍历文本块,找到对应的文本块 def find_textbox(page:fitz.Page,keyword:str)->dict: info = page.get_text('dict') for block in info['blocks']: for line in block['lines']: for span in line['spans']: text = span.get('text','').replace(' ','') if text == keyword: return span target = find_textbox(page,'年月日') page.add_redact_annot(target['bbox']) page.apply_redactions() doc.save("保存文件路径") 删除效果如下: 在这里插入图片描述

2. 修改文本块

修改文本块,就是在添加修订注释后,增加文本块即可代码如下:

import fitz doc = fitz.open("PDF文件路径") page = doc.load_page(0) # 遍历文本块,找到对应的文本块 def find_textbox(page:fitz.Page,keyword:str)->dict: info = page.get_text('dict') for block in info['blocks']: for line in block['lines']: for span in line['spans']: text = span.get('text','').replace(' ','') if text == keyword: return span target = find_textbox(page,'年月日') page.add_redact_annot(target['bbox'],'今夕复何夕',fontname='china-s',fontsize=target['size']) page.apply_redactions() doc.save("保存文件路径")

在这里插入图片描述

3 改进一下

有粉丝留言数字修改错误,今天看了一下,原来写的逻辑是针对文本块基本完全匹配(除了空格),所以如果不修改的话,肯定容易报错了,现在改进了一版,以供参考

import math from typing import Iterator import fitz from pathlib import Path pdf = Path(__file__).parent / 'file' / 'test_data_config.pdf' doc = fitz.open(pdf) page = doc.load_page(0) def find_textbox(page:fitz.Page,keyword:str)->Iterator[dict]: """找到页面的文本块,并返回文本块 Args: page (fitz.Page): 页面对象 keyword (str): 查找的关键字 Yields: Iterator[dict]: 文本块生成器 """ info = page.get_text('dict') for block in info['blocks']: for line in block['lines']: for span in line['spans']: text = span.get('text','') if keyword in text: yield span def find_replace(page: fitz.Page,search:str,replace:str,count:int=1): """查找并替换文本 Args: page (fitz.Page): 页面对象 search (str): 查找关键字 replace (str): 替换文本 count (int, optional): 替换次数. Defaults to 1. """ spans = find_textbox(page,search) modify = False for span in spans: text = span.get('text','') text = text.replace(search,replace) scale = math.floor(1/span['ascender']*10)/10 fontsize = round(span['size']*scale,2) rect = fitz.Rect(span['bbox']) rect_center = fitz.Point((rect.x0 + rect.x1) / 2, (rect.y0 + rect.y1) / 2) rect = rect.morph(rect_center,fitz.Matrix(scale,scale)) if span['font'].lower() == 'simsun': fontname = 'china-ss' elif span['font'].lower() == 'simhei': fontname = 'china-s' else: fontname = 'china-s' page.add_redact_annot( rect, text, fontname=fontname, fontsize=fontsize, text_color=span['color'], ) count -= 1 modify = True if count == 0: break if not modify: print(f'not found {search}') return page.apply_redactions() save_path = pdf.with_name(pdf.stem + '_modify.pdf') doc.save(save_path) def test(): find_replace(page,'100','200')

在这里插入图片描述结果如上,还是有点不完美,数字和字母都变成全角的了,字体大小看起来也有差别,主要是跟自带的china-ss字体有关系如果想要完美一点的话可能要自己添加字体,或者先删除再插入文本框,中英文字体区分一下.

【本文地址】

公司简介

联系我们