python常用PDF库总结

使用Python操作PDF：常用PDF库总结

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。本文从功能、开源协议及社区活跃度三方面对比7个常用的Python第三方库，以便根据具体需求选择合适的库。

常见PDF库
PyPDF2 （已不再维护，继任者PyPDF4）
由于PyPDF2似乎更知名，故本文以其作为条目列出。

PyPDF、PyPDF2及PyPDF4的渊源[1]。
pdfrw
自身不能创建新内容，但是集成了ReportLab，可以兼容ReportLab生成新页面。

ReportLab
商业版的开源版本，专业创建PDF内容如文本、图表等。

pikepdf
基于C++的QPDF，对标PyPDF2和pdfrw；偏向PDF底层。

pdfplumber
基于pdfminer.six，除了读取文本、形状（矩形、直线/曲线）外，还能解析表格。

几个提取PDF表格的Python库的对比[2]。
pdfminer.six
pdfminer的社区维护版（pdfminer自2020年起不再积极维护）。

PyMuPDF
基于mupdf，功能全面，并以处理速度著称[3]。

对比
本文将Python操作PDF的能力从大粒度上分成提取内容、操作页面和创建内容三方面。前两者分别是针对已经存在的PDF文档的读和写操作，最后一项从内容上创建新文档。

提取内容:如文本、图片、元信息
操作页面:特指操作已经存在的页面，例如分割、合并、裁剪、旋转等
创建内容:指创建或修改页面内容，例如文本、图片、形状考虑到时效性，以下对比列出了撰写本文时相应的最新版本。

总结
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功能全面且速度快，但是GPL v3的开源协议对商用不太友好。
最后以下图结束本文。

PDF库功能对比