告别手动编辑：9 个 Python 库让 PDF 操作自动化

大家好，这里是程序员晚枫，2 年前发布了一个开源项目：python-office，目前在 GitHub 上有 800+⭐，最近在开发新功能时感觉 Python 知识有点不够用了。

所以打算从 2 方面补充自己的知识：研究优秀的第三方库和学习 Python 高级语法。

学习高级语法的方法，今天的第一篇文章已经发布了。研究第三方库的学习心得，我打算总结下来，分享给大家。

今天从 PDF 的处理开始。

开始正文

处理 PDF 文件的 Python 第三方库有很多，每个库都有其独特的优点和缺点。以下是一些常用的 Python PDF 处理库及其特点：

1. PyPDF2

2. 优点：

3. 功能强大，可以进行 PDF 文件的读取、合并、分割、旋转、提取文本、添加水印、加密解密等操作。

4. 灵活，适用于自动化处理 PDF 文件，从文档管理到数据分析。

5. 缺点：

6. PyPDF2 已不再维护，继任者为 PyPDF4，但 PyPDF2 似乎更知名。

7. 功能虽然强大，但在某些底层操作方面可能不如某些其他库。

8. pdfrw

9. 优点：

10. 可以提取 PDF 中的文本和元数据。

11. 与 ReportLab 集成，可以创建新页面。

12. 缺点：

13. 自身不能创建新内容，需要依赖其他库。

14. ReportLab

15. 优点：

16. 专注于创建 PDF 内容，如文本、图表等。

17. 开源版本活跃，提供专业的内容创建功能。

18. 缺点：

19. 不提供提取内容和操作页面的功能。

20. pikepdf

21. 优点：

22. 基于 C++的 QPDF，功能丰富，可以提取内容、操作页面。

23. 对标 PyPDF2 和 pdfrw，偏向底层操作。

24. 缺点：

25. 可能在某些高级功能上不如 PyPDF2 灵活。

26. pdfplumber

27. 优点：

28. 专注于 PDF 内容提取，特别是文本和形状。

29. 能够解析表格，这是很多库不具备的功能。

30. 缺点：

31. 主要用于读取和提取，不支持创建和修改 PDF 内容。

32. pdfminer.six

33. 优点：

34. 是 pdfminer 的社区维护版，专注于文本提取。

35. 缺点：

36. 主要用于文本提取，不支持创建和修改 PDF 内容。

37. PyMuPDF

38. 优点：

39. 基于 mupdf，处理速度快，支持读取、写入、操作 PDF。

40. 功能全面，包括文本提取、页面操作等。

41. 缺点：

42. GPL V3 协议可能对商用不太友好，需要遵守开源协议。

43. popdf

44. 优点：

45. 适合小白入门用，使用方法简单。

46. 缺点：

47. 目前功能比较少。

48. borb

49. 优点：

50. 纯 Python 库，支持广泛的 PDF 操作，包括读取、写入、操作。

51. 兼顾底层和高级应用，社区活跃。

52. 缺点：

53. AGPL 协议对商用同样不太友好。

每个库的选择取决于具体的应用场景和需求。例如，如果需要进行大量的 PDF 内容提取，特别是表格数据，pdfplumber 可能是一个好选择。如果需要创建或修改 PDF 内容，ReportLab 或 PyMuPDF 可能更加合适。在选择库时，还需要考虑库的维护状态、社区活跃度和开源协议等因素。