python发布pyc包_Python pycpdf包_程序模块 - PyPI - Python中文网

pycpdf-有效地从pdf文件中提取内容和元数据

pycpdf是一个python扩展，用于对

PDF文件。它类似于pypdf/pypdf2，只是它是只读的

更快，并且修复了一些错误。

用法

主要类是pycpdf.PDF，它以字节字符串的形式给出pdf数据。

以及可选的解密密码。此对象具有以下内容

属性：pages：对象列表Page

version：pdf文件格式版本为字符串(例如"1.6")

info：文档信息字典，或None

linearized：线性化参数字典，或None

catalog：文档目录字典

trailer：尾部字典

Page对象类似于字典，但它们有以下两个

其他属性：text：页面的文本内容

contents：组成页面内容的pdf运算符列表

StreamObject对象也类似于字典，但是

以下两个额外属性：data：流中包含的二进制数据

contents：解析为pdf运算符列表的二进制数据

Unicode字符串简化

模块还包含unicode_translations，这是一个字典

适合传递到str.translate以简化Unicode字符串

有点：将各种空格(00a0、2000-200a、3000)替换为ascii空格

删除软连字符(00ad)和零宽度空格(200b)

用ascii连字符替换各种连字符(2010-2014，2212)

替换各种带性别的引号(2018、2019、201c、201d)

使用等效的非固定ascii引号

将水平省略号字符(2026)替换为“…”

替换各种拉丁连字(ae、dz、ff、fi、fl、ffi、ffl、st)

使用等效的ascii字符串

示例pdf=pycpdf.PDF(open('file.pdf','rb').read())ifpdf.infoandpdf.info.get('Title'):print('Title:',pdf.info['Title'])forpageno,pageinenumerate(pdf.pages):print('Page',pageno+1)print(page.text.translate(pycpdf.unicode_translations))

注释

所有字符串都是Unicode。注意，与pypdf不同，name对象可以

不要以正斜杠/开头-即应该引用obj['Type']

不是obj['/Type']。这是因为pdf引用明确声明

斜线不是名字的一部分。

page.text属性按顺序列出页面的文本内容

相关操作人员出现。有时可能是不正常的，而且

可能存在意外间隔。

如果容器对象(数组和字典)包含间接对象，则

这些对象只有在

第一次被引用。这是为了打开大型pdf文件

很有效率。更改容器对象的内容不是活动的

被阻止，但永远不应该这样做，并将导致不明确的行为。

扩展的目的是允许快速的低级访问

pdf文件的内部结构。可以在中添加更高级别的接口

例如，python允许更好的文本提取或图像访问。

当前不支持某些加密和图像编码方法。

历史记录

1.0.4(2018-04-18)与在线图像相关的错误修复

1.0.3(2017-11-26)错误修复了streamobject.contents

解码文本时，如果tounicode失败，请返回编码

1.0.2(2017-11-26)稍微扩展了文档。

将travis自动部署添加到pypi。

添加了pycpdf.__version__

1.0.1(2017-11-23)初次发布。

欢迎加入QQ群-->： 979659372

推荐PyPI第三方库