新鲜出炉cbz文件(cbz文件用什么打开)

详解

 

点击上方“志斌的Python笔记”，选择“星标”公众号超级无敌干货，第一时间送达！！！PDF（Portable Document Format）是一种便携文档格式，便于跨操作系统传播文档PDF文档遵循标准格式，因此存在很多可以操作PDF文档的工具，Python自然也不例外。

而Python 办公自动化中操作PDF也是非常重要的一项技能，希望今天这篇文章能够帮到你！Python中有很多用来操作PDF的优秀的库，下面简单比较下各个库的优缺点。

各个pdf库的比较PyPDF2系列、pdfrw及pikepdf专注对已经存在的PDF的操作（分割、合并、旋转等），前两者基本处于停止维护的状态pdfplumber及其依赖pdfminer.six专注PDF内容提取，例如文本（位置、字体及颜色等）和形状（矩形、直线、曲线），前者还有解析表格的功能。

ReportLab专注PDF页面内容（文本、图、表等）的创建PyMuPDF和borb同时支持读、写及PDF页面操作，功能最为全面其中，PyMuPDF尤其以速度快著称，而borb是新开发并深得好评的库，潜力无穷。

但是，二者同为GPL家族的开源协议，对商用不太友好PyMuPDF 简介介绍功能安装关于命名`fitz`的说明使用方法1 导入库，查看版本2 打开文档3 Document的方法和属性4 获取元数据5 获取目标大纲

6 页面(`Page`)7 PDF操作

PyMuPDF简介今天就我们的主角PyMuPDF，一个功能最为全面的python办公自动化工具！

PyMuPDFgithub地址：pymupdf/PyMuPDF: Python bindings for MuPDF’s rendering library官方手册：PyMuPDF Documentation — PyMuPDF 1.18.17 documentation

 介绍在介绍PyMuPDF之前，先来了解一下MuPDF，从命名形式中就可以看出，PyMuPDF是MuPDF的Python接口形式MuPDFMuPDF 是一个轻量级的 PDF、XPS和电子书查看器MuPDF。

由软件库、命令行工具和各种平台的查看器组成MuPDF 中的渲染器专为高质量抗锯齿图形量身定制它以精确到像素的几分之一内的度量和间距呈现文本，以在屏幕上再现打印页面的外观时获得最高保真度这个观察器很小，速度很快，但是很完整。

它支持多种文档格式，如PDF、XPS、OpenXPS、CBZ、EPUB和FictionBook 2您可以使用移动查看器对PDF文档进行注释和填写表单(这个功能很快也将应用于桌面查看器)命令行工具允许您注释、编辑文档，并将文档转换为其他格式，如。

HTML、SVG、PDF和CBZ您还可以使用Javascript编写脚本来操作文档PyMuPDFPyMuPDF(当前版本1.18.17)是支持MuPDF(当前版本1.18.*)的Python绑定使用PyMuPDF

，你可以访问扩展名为“.pdf”、“.xps”、“.oxps”、“.cbz”、“.fb2”或“.epub”此外，大约10种流行的图像格式也可以像文档一样处理:“.png”，“.jpg”，“.bmp”，“.tiff”。

等 功能对于所有支持的文档类型可以：解密文件访问元信息、链接和书签以栅格格式（PNG和其他格式）或矢量格式SVG呈现页面搜索文本提取文本和图像转换为其他格式：PDF, (X)HTML, XML, JSON, text。

对于PDF文档，存在大量的附加功能:它们可以创建、合并或拆分页面可以通过多种方式插入、删除、重新排列或修改(包括注释和表单字段)可以提取或插入图像和字体完全支持嵌入式文件pdf文件可以重新格式化，以支持双面打印，色调分离，应用标志或水印。

完全支持密码保护:解密、加密、加密方法选择、权限级别和用户/所有者密码设置支持图像、文本和绘图的 PDF 可选内容概念可以访问和修改低级 PDF 结构命令行模块"python \-m fitz…"具有以下特性的多功能实用程序

加密/解密/优化创建子文档文档连接图像/字体提取完全支持嵌入式文件保存布局的文本提取(所有文档) 安装PyMuPDF可以从源码安装，也可以从wheels安装对于Windows, Linux和Mac OSX。

平台，在PyPI的下载部分有wheels这包括Python 64位版本3.6到3.9Windows版本也有32位版本从最近开始，Linux ARM架构也出现了一些问题——查找平台标签manylinux2014_aarch64。

除了标准库，它没有强制性的外部依赖项只有在安装了某些包时，才会有一些不错的方法:Pillow：当使用Pixmap.pil_save()和 Pixmap.pil_tobytes()时需要fontTools。

：当使用Document.subset_fonts()时需要pymupdf-fonts 是一个不错的字体选择，可以用于文本输出方法使用pip安装命令：pip install PyMuPDF导入库：import

 fitz 关于命名fitz的说明这个库的标准Python导入语句是import fitz这是有历史原因的:MuPDF的原始渲染库被称为Libart在Artifex软件获得MuPDF项目后，开发的重点转移到编写一种新的现代图形图书馆称为。

“Fitz”。Fitz最初是作为一个研发项目，以取代老化的Ghostscript图形库，但却成为了MuPDF的渲染引擎(引用自维基百科)。

使用方法 1 导入库，查看版本import fitzprint(fitz.__doc__)PyMuPDF 1.18.16: Python bindings for the MuPDF 1.18.0 library.

Version date: 2021-08-0500:00:01.Built for Python 3.8 on linux (64-bit). 2 打开文档doc = fitz.open(filename)

这将创建Document对象doc文件名必须是一个已经存在的文件的python字符串也可以从内存数据打开文档，或创建新的空PDF您还可以将文档用作上下文管理器 3 Document的方法和属性方法/属性

描述Document.page_count页数 (int)Document.metadata元数据 (dict)Document.get_toc()获取目录 (list)Document.load_page()

读取页面示例：>>> doc.count_page1>>> doc.metadata{format: PDF 1.7,title: ,author: ,subject: ,keywords: ,creator

: ,producer: 福昕阅读器PDF打印机 版本 10.0.130.3456,creationDate: "D:20210810173328+0800",modDate: "D:20210810173328+0800"

,trapped: ,encryption: None} 4 获取元数据PyMuPDF完全支持标准元数据Document.metadata是一个具有以下键的Python字典它适用于所有文档类型，但并非所有条目都始终包含数据。

元数据字段为字符串，如果未另行指示，则为无还要注意的是，并非所有数据都始终包含有意义的数据——即使它们不是一个都没有KeyValueproducerproducer (producing software)

formatformat: ‘PDF-1.4’, ‘EPUB’, etc.encryptionencryption method used if anyauthorauthormodDatedate of last modification

keywordskeywordstitletitlecreationDatedate of creationcreatorcreating applicationsubjectsubject 5 获取目标大纲

toc = doc.get_toc() 6 页面(Page)页面处理是MuPDF功能的核心• 您可以将页面呈现为光栅或矢量（SVG）图像，可以选择缩放、旋转、移动或剪切页面• 您可以提取多种格式的页面文本和图像，并搜索文本字符串。

• 对于PDF文档，可以使用更多的方法向页面添加文本或图像首先，必须创建一个页面Page这是Document的一种方法：page = doc.load_page(pno) # loads page number pno of the document (0-based)。

page = doc[pno] # the short form这里可以使用任何整数-inf

for page in doc:# do something with page# ... or read backwardsfor page in reversed(doc):# do something with page

# ... or even use slicingfor page in doc.pages(start, stop, step):# do something with page接下来，主要介绍Page

的常用操作！a. 检查页面的链接、批注或表单字段使用某些查看器软件显示文档时，链接显示为==“热点区域”==如果您在光标显示手形符号时单击，您通常会被带到该热点区域中编码的标记以下是如何获取所有链接：# get all links on a page

links = page.get_links()links是一个Python字典列表还可以作为迭代器使用：for link in page.links():# do something with link。

如果处理PDF文档页面，还可能存在注释（Annot）或表单字段（Widget），每个字段都有自己的迭代器：for annot in page.annots():# do something with annot

for field in page.widgets():# do something with fieldb. 呈现页面此示例创建页面内容的光栅图像：pix = page.get_pixmap()pix

是一个Pixmap对象，它（在本例中）包含页面的RGB图像，可用于多种用途方法Page.get_pixmap()提供了许多用于控制图像的变体：分辨率、颜色空间（例如，生成灰度图像或具有减色方案的图像）、透明度、旋转、镜像、移位、剪切等。

例如：创建RGBA图像（即，包含alpha通道），指定pix=page.get_pixmap（alpha=True）\Pixmap包含以下引用的许多方法和属性其中包括整数宽度、高度（每个像素）和跨距（一个水平图像行的字节数）。

属性示例表示表示图像数据的矩形字节区域（Python字节对象）还可以使用page.get_svg_image()创建页面的矢量图像c. 将页面图像保存到文件中我们可以简单地将图像存储在PNG文件中：pix.save(

"page-%i.png" % page.number)d. 提取文本和图像我们还可以以多种不同的形式和细节级别提取页面的所有文本、图像和其他信息：text = page.get_text(opt)对opt

使用以下字符串之一以获取不同的格式："text"：（默认）带换行符的纯文本无格式、无文字位置详细信息、无图像"blocks"：生成文本块（段落）的列表"words"：生成单词列表（不包含空格的字符串）"html"

：创建页面的完整视觉版本，包括任何图像这可以通过internet浏览器显示"dict"/"json"：与HTML相同的信息级别，但作为Python字典或resp.JSON字符串"rawdict"/"rawjson"。

："dict"/"json"的超级集合它还提供诸如XML之类的字符详细信息"xhtml"：文本信息级别与文本版本相同，但包含图像"xml"：不包含图像，但包含每个文本字符的完整位置和字体信息使用XML模块进行解释。

e. 搜索文本您可以找到某个文本字符串在页面上的确切位置：areas = page.search_for("mupdf")这将提供一个矩形列表，每个矩形都包含一个字符串“mupdf”（不区分大小写）您可以使用此信息来突出显示这些区域（仅限PDF）或创建文档的交叉引用。

 7 PDF操作PDF是唯一可以使用PyMuPDF修改的文档类型其他文件类型是只读的但是，您可以将任何文档（包括图像）转换为PDF，然后将所有PyMuPDF功能应用于转换结果,Document.convert_to_pdf()。

Document.save()始终将PDF以其当前（可能已修改）状态存储在磁盘上通常，您可以选择是保存到新文件，还是仅将修改附加到现有文件（“增量保存”），这通常要快得多下面介绍如何操作PDF文档a. 修改、创建、重新排列和删除页面

有几种方法可以操作所谓页面树（描述所有页面的结构）：PDF:Document.delete_page()和Document.delete_pages()删除页面Document.copy_page()、

Document.fullcopy_page()和Document.move_page()将页面复制或移动到同一文档中的其他位置Document.select()将PDF压缩到选定页面，参数是要保留的页码序列。

这些整数都必须在0<=i

仅奇数页或偶数页（用于双面打印）包含或不包含给定文本的页颠倒页面顺序保存的新文档将包含仍然有效的链接、注释和书签（i.a.w.指向所选页面或某些外部资源）Document.insert_page()和Document.new_page()

插入新页面此外，页面本身可以通过一系列方法进行修改（例如页面旋转、注释和链接维护、文本和图像插入）b. 连接和拆分PDF文档方法Document.insert_pdf()在不同的pdf文档之间复制页面下面是一个简单的。

joiner示例（doc1和doc2在PDF中打开）：# append complete doc2 to the end of doc1doc1.insert_pdf(doc2)下面是一个拆分doc1的片段。

它将创建第一页和最后10页的新文档：doc2 = fitz.open() # new empty PDFdoc2.insert_pdf(doc1, to_page = 9) # first 10 pages

doc2.insert_pdf(doc1, from_page = len(doc1) - 10) # last 10 pagesdoc2.save("first-and-last-10.pdf")c. 保存

Document.save()将始终以当前状态保存文档您可以通过指定选项incremental=True将更改写回原始PDF这个过程（通常）非常快，因为更改会附加到原始文件，而不会完全重写它d. 关闭在程序继续运行时，通常需要“关闭”文档以将底层文件的控制权交给操作系统。

这可以通过Document.close()方法实现除了关闭基础文件外，还将释放与文档关联的缓冲区来源：https://blog.csdn.net/ling620/article/details/120035699 作者：冰__蓝。

-END-推荐学习良心总结！Jupyter Notebook 从小白到高手，保姆教程来了！有了这款神器，轻松用 Python 写个 APPPython人脸识别签到考勤系统5行Python代码爬取3000+ 上市公司的信息

大量QQ被盗号！一夜之间狂发色情图

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186