问题标签 [pymupdf]

有没有人尝试过使用 PyMuPDF Library 的 Fitz 替换 PDF 文件中的文本？

我尝试使用下面的代码，但不确定我是否接近结果，或者无法使用此库：

我想使用 Python 3 从 PDF 中提取文本，其中列出了以下格式的信息：

加州

洛杉矶

史密斯，乔 C.

比利，鲍勃 M。

斯图尔特，凯蒂 X。

我尝试同时使用 PyPDF2 和 pymupdf（1.18.9 版）从 PDF 中提取文本，并且成功识别出城市名称和人名。但是，我正在努力通过 PDF 的自然阅读顺序来关联两个字符串列表（用 reg.ex 标识）。

理想情况下，我希望有一个如下表：

CA 洛杉矶史密斯，乔 C.

CA 洛杉矶比利，鲍勃 M.

CA 洛杉矶斯图尔特，凯蒂 X。

并且能够将其导出为 csv。非常感谢！

我使用 PyMuPDF 来获取 PDF 中的文本，这是我的代码

输出应该是

但事实证明

“KRIPTOGRAFI”一词后有一个换行符。有什么办法可以去掉吗？

我编写了一个小程序来观察一个文件夹，一旦将 .pdf 文件放入该文件夹中，它将在 .pdf 中搜索关键字并输出一个新的 .txt（列出页码）和一个新的 pdf 文件，该文件只包含包含以下内容的页面关键字。

它适用于大多数 .pdf，但有些表现出奇怪的行为。似乎有时它只搜索第一页而没有其他内容。如果需要，我可以提供其中一个 pdf 的链接。

这是我的代码：

一些pdf上出现以下错误（我假设pymupdf无法正确读取文件并且只搜索第0页）：

该词在pdf中多次出现，但找不到。

尝试使用 PyMuPDF 中的 fitz 遍历目录（'PDFS'）中的文件时，我遇到了困难。问题是，当我只是在做 document =“somepdf.pdf”时，代码就可以工作，但是一旦我插入一个 for 循环并尝试以这种方式访问​​文件，就会出现这个错误：

文件名、流、文件类型、矩形、宽度、高度、字体大小 运行时错误：无法打开 sample.pdf：没有这样的文件或目录

这是代码：

感谢您的帮助！

我想使用 Python 和 pymupdf 在 pdf 文档中标记几个关键字。

代码如下（来源：原始代码）：

但是，文本仅在一页上被标记。我尝试按照 pymupdf (文档)文档中的描述更改代码，以便对所有页面进行切片。

不幸的是，它仍然只在一页上标记关键字。我需要更改什么，以便在所有页面上标记关键字？

我编写了一个 python 脚本来读取当前文件夹（共享磁盘内）中的 pdfs 文件以查找特定编号，然后在其他文件夹（同一共享磁盘）中搜索该编号。如果匹配，使用 PyMuPDF 我将两个文件合并到一个新文件中。之后，将该文件移动到其他文件夹。问题是我需要在我的工作笔记本中，在共享磁盘中进行。（该磁盘中没有安装python）。我只在笔记本的 c:\user 中安装了 Anaconda。因此，使用 jupyter notebook 脚本运行完美，但是当我将其转换为 exe 文件（使用 pyinstaller）时，它不再工作，在我的 C 盘中也没有共享磁盘。我需要一个 exe 文件来在共享磁盘中执行该脚本。

我的脚本如下

谢谢！

pymupdf 的新手。

在 page1 的表单上打开具有预设值“00000”的文本字段的现有 pdf。

我在 page1 上循环浏览我的小部件，找到有问题的字段，更改值，更新字段它们创建页面的像素图，但显示的值是旧的而不是新的。

那么我做错了什么？

我正在关注文档并使用最新的 PyMuPDF (1.18.13)。但是Pixmap.tobytes()对我不起作用：

文档示例：

这里可能是什么问题？

我知道有很多库可以从 PDF 中提取文本。具体来说，我在使用 pymupdf 时遇到了一些困难。从这里的文档：https ://pymupdf.readthedocs.io/en/latest/app4.html#sequencetypes 我希望用来select()选择一个页面间隔，然后使用getText()这是我正在使用的文档linear_regression.pdf

但我得到这个错误：

所以我假设select()没有被正确使用非常感谢