问题标签 [pymupdf]

早晨

首先，让我说我是一个 python 新手——所以我希望这个问题不会是愚蠢的。

我正在运行 Mac 10.13.4 (Beta) 并试图让 PyMuPDF 正常工作。

根据https://github.com/rk700/PyMuPDF/：

• 我已经下载了 PyMuPDF 和 MuPDF。
• 我跑了brew install mupdf-tools
• 我跑了export ARCHFLAGS='-arch x86_64'

此时我不确定是否需要通过运行来构建 MuPDF

（根据https://mupdf.com/docs/building.html）或直接访问

如果我尝试使用 make 构建 mupdf，则会收到以下错误：

如果我运行 setup.py 安装，那么在尝试导入 Fitz 时会出错。我知道有一条指令说 include_dirs 和 library_dirs 应该更新，但它们引用的目录似乎不存在（在我下载的源文件中除外）。

我很感激这完全取决于我是一个 python 菜鸟——任何指针都将不胜感激。

一直在尝试使用 PyMuPDF / Fitz 将图像放入 PDF 文件中，我在互联网上的任何地方都得到相同的语法，但是当我使用它时，我遇到了运行时错误。

我已经尝试了一些不同的变体，有像素图和没有像素图，有覆盖值集，有没有。PDF文件存在并且可以用Adobe Acrobat Reader打开，并且图像文件存在——我试过PNG和JPG。

提前感谢您的任何帮助。

我想使用PyMuPDF阅读 PDF 文件。我只需要纯文本（无需提取颜色、字体、表格等信息）。

我试过以下

哪个不起作用，所以我尝试了

这又不起作用。

然后我从 PyMuPDF 的一位作者那里找到了一篇很棒的博客，其中包含有关按照从文件中读取文本的顺序提取文本的详细代码。但是每次我使用不同的 PDF 运行此代码时，我都会得到KeyError: 'lines'（代码中的第 81 行）或KeyError: "bbox"（代码中的第 60 行）。

我不能在这里发布 PDF，因为它们是机密的，我很感激这里有有用的信息。但是有什么方法可以让我完成 PyMuPDF 要做的最简单的任务：从 PDF 中提取纯文本，无序或其他（我不太介意）？

我正在使用 fitz 包中的 PyMuPDF 来搜索和突出显示 PDF 中的单词。我如何找到一个带有撇号的单词？在我的示例代码中， text_instances 将为空。如果您搜索 'her' 或 "'"，则 text_instances 不会为空。不确定连接的两个字符串有什么问题。

这是我的示例代码：

我已经安装了 PymuPDF/fitz，因为我试图从 PDF 文件中提取图像。但是，在运行下面的代码时，我看到No module named 'frontend'.

我已经搜索过，但没有关于此类错误的单一报告。我已经安装了 PyMuPDF、muPDF 和 fitz 模块

这是完整的错误：

我是 wxPython 和 pymupdf 的新手，并且看过 wxPython + pymupdf 的示例。它们可以工作，但是 pdf 页面（渲染）的质量很差。我确信这可以改进。基本上我正在寻找一种抗锯齿解决方案。但是我不知道如何也无法在网上找到样本。请有人提供使用 wxpython + pymupdf 显示 PDF 的示例。

这是我尝试过的：

还有这个：

我正在尝试从一些 pdf 文档中提取一些东西。尽管我在 pdfminer 和 pymupdf 上投入最多，但我一直在使用各种工具。我从 pdfminer 开始，但在无法解决一个特定问题后开始测试 pymupdf - 也就是说，当我的 pdf 文档有许多页面时，我想选择是否处理每个特定页面。但是，我在这两个库中遇到的问题是，当我尝试从一个特定页面（或另一个页面）检索文本时，返回的文本是文档中的所有文本。

这是一个包含 57 页的文档的链接。

我这里重点讲一下使用pymupdf的情况

这是一些代码

我在这里打破以确认我从一页且只有一页中提取了文本 - 但是当我检查文本时，我发现它几乎包含整个文档中的所有文本（全部 57 页）

所以我很好奇，尽管 pdf 文件中出现了页面边界 - 也许它们不存在，所以我使用 pageCount 属性/属性/方法来确定页面是否存在 - 它们似乎是

当我遍历所有页面时，描述输出有点困难，每个页面并没有完全包含所有页面的所有内容，但它几乎包含所有内容。我通过使用以下代码确定了这一点

这是输出 - 为了完整性

因此，关于第 29 页的内容存在偏差，并且从页面中检索到的文本长度存在差异，但在它周围寻找似乎有很大的重叠，例如

但

总而言之——图书馆似乎理解现有的页面边界，但为单个页面检索的文本几乎是文档中的所有文本。由于生成了一个好的 ToC - 我想使用它和从该 ToC 提供的页码来识别我想要进一步解析和提取数据的特定页面。

我会观察到我在尝试使用 pdfminer 时遇到了类似的问题。我可以检索所有文本，而不仅仅是来自特定指定页面的文本。

After running pip install pymupdf in my conda environment, i get an error when trying to import fitz

ModuleNotFoundError: No module named 'fitz'

Inside my terminal i ran pip list | grep PyMuPDF to verify installation and it returns PyMuPDF 1.14.17, so im lost as to what the issue is.

Any help on getting this working would be really appreciated.

这是一个基本脚本，应该在 PDF 的第一页上插入水印图像并以新名称保存。我可以对 pdfrw 中的相同文件执行相同的操作，但我坚持使用 PyMuPDF（我更愿意使用...）。py 文件与 pdf 和 png 位于同一文件夹中。

我收到此错误消息：

提前感谢您的帮助。

我正在尝试使用 PyMuPDF 库在 Python/Tkinter 中编写 PDF 查看器。我可以成功打开文档并呈现第一页，但是当尝试通过删除 Canvas 图像并从新页面创建新图像来移动到下一页时，我得到一个空白屏幕。第一页被删除，但第二页不显示。

但是，当我通过 VS Code 运行程序并在函数中设置调试断点nxtBtn_Click并逐行执行时，当函数完成时，第二页将按预期出现在窗口中。

我试过了，但得到相同的结果：

• 用于canvas.update_idletasks()强制重新绘制画布。
• 将 delete 步骤和 create_image 步骤拆分为 ondown 和 onup 事件。
• 使用传递给的回调函数window.after_idle
• 使用新图像更新现有图像
  • canvas.itemconfig(canvasPdf, image = tkimg)

我在 Windows 10 上运行 Python 3.7.1。