Python处理pdf文件的包

 

分类： Python 2012-06-08 12:09 33人阅读 评论(0) 收藏 举报

• 
  pyPdf
  纯Python的PDF处理工具。
  主页：http://pybrary.net/pyPdf/。
  主要功能：
  • 读取文档信息（标题，作者，……）
  • 逐页分割文件
  • 逐页合并文件
  • 裁剪页面
  • 合并多个页面为一个页面
  • 加密、解密PDF文件

• ReportLab
  强大的生成PDF文件的库。
  主页：http://www.reportlab.com/software/opensource/rl-toolkit/。
  主要功能：

  • 创建专业的PDF文件
  • Real document layout engine (Platypus) （这个不知道怎么翻译，大概是很NB的页面布局引擎）
  • 浮动对象，如段落，标题行，表格，图像，图形等
  • 支持嵌入Type-1字体或TTF字体
  • 支持亚洲，希伯来和阿拉伯字符
  • 支持任何流行格式的位图图像
  • 支持矢量图形
  • 包括一个可重用的基本图形库
  • 可扩展的widget库
  • Layed architecture, written in Python
  • 包含简单示例和更复杂的工具
  • 允许使用任何数据源
  • 源代码完全公开
  • 强大的社区支持
  • 跨平台

• PDFMiner
  主要用于分析PDF文本内容的工具。
  主页：http://www.unixuser.org/~euske/python/pdfminer/index.html
  主要功能：

  • 纯Python（2.4以上版本）
  • 解析，分析和转换PDF文档
  • 支持PDF-1.7标准（几乎完美支持）
  • 支持CJK语言和竖向书写
  • 支持多种字体格式（Type1，TrueType，Type3和CID）
  • 基本的加密支持（RC4）
  • PDF转HTML（一个简单的Web转换器）
  • 摘要（TOC）抽取
  • 标记抽取内容
  • 重构原始布局

简单讲，如果只折腾现成的PDF文件，用pyPdf，如果要生成新内容的PDF文件用ReportLab，如果要分析现有PDF文件的内容，用PDFMiner。

不过，生成PDF方面，我更愿意使用LaTeX系列的工具，这样质量有保证，乱码之类的问题比较少。

引自：http://www.ai7.org/wp/html/916.html