利用pymupdf编辑修改pdf

本文背景

为了修改pdf的文本, 在pymupdf官方手册查了一通,没看到明显的说明,然后到github的讨论区看了发现了修改pdf的方案,在此记录一下

参考链接: https://github.com/pymupdf/PyMuPDF/discussions/1019

主要方法:

1. 找到需要替换的文本块,然后添加修订注释(redaction annotation)
2. 添加注释后,步骤1的文本块会被删除
3. 在原位置添加新的文本块

注意事项:

• 字体问题: 要考虑被替换的文本块和新的文本块字体是否一致,否则可能看起来跟上下文显得突兀
• 文本长度问题: 最好文本长度差不多,不然可能跟周围的文本块有重叠或者留白太多
• 如果原文本是隐藏文本或者透明的, 文件信息是提取不到它的这个属性,新插入的文本将是可见的

修改PDF实践

1. 删除某些文本块

根据前文说明,我们发现使用修订注释可以删除文本块的,因此我们可以利用该方法进行一些文本块的删除操作,具体示例如下:

• 原文件如下,其中**" 年 月 日"**是我要删除的文本块
  
• 相关代码

import fitz
doc = fitz.open("PDF文件路径")
page = doc.load_page(0)
# 遍历文本块,找到对应的文本块
def find_textbox(page:fitz.Page,keyword:str)->dict:
	info = page.get_text('json')
	for block in info['blocks']:
		for line in block['lines']:
			for span in line['spans']:
				text = span.get('text','').replace(' ','')
				if text == keyword:
					return span
target = find_textbox(page,'年月日')
page.add_redact_annot(target['bbox'])
page.apply_redactions()
doc.save("保存文件路径")

• 删除效果如下:
  

2. 修改文本块

修改文本块,就是在添加修订注释后,增加文本块即可
代码如下:

import fitz
doc = fitz.open("PDF文件路径")
page = doc.load_page(0)
# 遍历文本块,找到对应的文本块
def find_textbox(page:fitz.Page,keyword:str)->dict:
	info = page.get_text('json')
	for block in info['blocks']:
		for line in block['lines']:
			for span in line['spans']:
				text = span.get('text','').replace(' ','')
				if text == keyword:
					return span
target = find_textbox(page,'年月日')
page.add_redact_annot(target['bbox'],'今夕复何夕',fontname='china-s',fontsize=target['size'])
page.apply_redactions()
doc.save("保存文件路径")