Revision 2022.06.07: Eine Bibliothek eines Drittanbieters hinzugefügt borb. Der erste Entwurf wurde am 02.01.2021 geschrieben, borbnur wenige Monate nach der Veröffentlichung der Version 1.0; in weniger als zwei Jahren hat er fast 3.000 Likes auf Github.
PDF (Portable Document Format) ist ein tragbares Dokumentformat, das die Verbreitung von Dokumenten über Betriebssysteme hinweg erleichtert. PDF-Dokumente folgen einem Standardformat, daher gibt es viele Tools, die PDF-Dokumente bearbeiten können, und Python bildet da keine Ausnahme. Es gibt viele Python- Bibliotheken von Drittanbietern . In diesem Artikel werden Funktionen, Open-Source-Protokolle und Community-Aktivitäten verglichen, um die geeignete Bibliothek entsprechend den spezifischen Anforderungen auszuwählen.
Überblick
Der Funktionsvergleich gliedert sich in drei Aspekte 提取内容: , 操作页面, und 创建内容. Die ersten beiden sind Lese- und Schreibvorgänge für vorhandene PDF-Dokumente, und der letzte erstellt aus dem Inhalt ein neues Dokument. Im Hinblick auf die Aktualität wird im folgenden Vergleich die entsprechende aktuelle Version zum Zeitpunkt des Schreibens (2021.01) aufgeführt. borbZum Vergleich im Jahr 2022.06 neu hinzugefügt, der Zeitpunkt ist maßgebend.
提取内容wie Text, Bilder, Metainformationen操作页面Bezieht sich insbesondere auf Vorgänge an vorhandenen Seiten wie Teilen, Zusammenführen, Zuschneiden, Drehen usw.创建内容Bezieht sich auf das Erstellen oder Ändern von Seiteninhalten wie Text, Bildern und Formen
| Python-Bibliothek | aktuelle Version | Python-Version | Open-Source-Vereinbarung | das neueste Update | Funktion: Inhalt extrahieren | Funktion: Bedienseite | Funktion: Inhalte erstellen | Anmerkung |
|---|---|---|---|---|---|---|---|---|
| PyPDF2 | 1.26.0 | 2,6-3,6 | modifiziertes BSD | Vor 3 Jahren | √ | √ | × | PyPDF2Nicht mehr gepflegt, der Nachfolger PyPDF4 ( PyPDF , PyPDF2und PyPDF4die Quellenangabe hier ). Da PyPDF2es bekannter zu sein scheint, wird es als Eintrag aufgeführt. |
| pdfrw | 0,4 | 2,6-3,6 | MIT | Vor 3 Jahren | √ | √ | × | Es kann selbst keine neuen Inhalte erstellen, ist aber integriert ReportLabund kann kompatibel ReportLabneue Seiten generieren |
| ReportLab | 3.5.58 | 2,7, 3,6+ | BSD | sehr aktiv | × | × | √ | Open-Source-Version von ReportLab , professionelles Erstellen von PDF-Inhalten wie Text, Diagrammen usw. |
| pikepdf | 2.2.4 | 2,7, 3,6+ | MPL 2.0 | sehr aktiv | √ | √ | × | C++-basiertes QPDF , Benchmarking PyPDF2und pdfrw; auf die unterste Ebene ausgerichtet |
| pdfplumber | 0,5,25 | 3,6-3,8 | MIT | aktiv | √ | × | × | Basierend auf pdfminer.six; können neben Text auch Formen (Rechtecke, Linien/Kurven) und Tabellen geparst werden . Einen Vergleich mehrerer Python-Bibliotheken, die PDF-Tabellen extrahieren, finden Sie hier |
| pdfminer.six | 20201018 | 3,6+ | MIT | Vor 2 Monaten | √ | × | × | Von der Community gepflegte Version von pdfminer , seit pdfminer2020 nicht mehr aktiv gepflegt |
| PyMuPDF | 1.18.5 | 3,6+ | GPL v3 | sehr aktiv | √ | √ | √ | Basierend auf mupdf ; bekannt für seine Verarbeitungsgeschwindigkeit, siehe hier |
| brutal | 2.0.27 | 3,6+ | AGPL | sehr aktiv | √ | √ | √ | Reine Python-Bibliothek, unterstützt das Lesen, Schreiben und Bearbeiten von PDF-Dokumenten und berücksichtigt sowohl einfache als auch fortgeschrittene Anwendungen |
Rezension
PyPDF2pdfrwWährend die ersten beiden sich auf bestehende PDF-Vorgänge (Teilen, Zusammenführen, Drehen usw.) konzentrieren, werden diepikepdfWartungsarbeiten grundsätzlich eingestellt.pdfplumberEs konzentriert sichpdfminer.sixauf die Extraktion von PDF-Inhalten wie Text (Position, Schriftart und Farbe usw.) und Form (Rechteck, gerade Linie, Kurve). Ersteres hat auch die Funktion, Tabellen zu analysieren.ReportLabKonzentrieren Sie sich auf die Erstellung von PDF-Seiteninhalten (Texte, Grafiken, Tabellen usw.).PyMuPDFUndborbes unterstützt gleichzeitig das Lesen, Schreiben und PDF-Seitenoperationen mit den umfassendsten Funktionen. Unter ihnen ist esPyMuPDFvor allem für seine hohe Geschwindigkeit bekannt, eine neu entwickelte und gut angenommene Bibliothek mit unbegrenztem Potenzial.borbAllerdings handelt es sich bei beiden umGPLOpen-Source-Protokolle der Familie, die für die kommerzielle Nutzung nicht sehr geeignet sind*.
* Die freie Nutzung wird unterstützt, aber Programme, die Verweise darauf erfordern, müssen sich ebenfalls an die entsprechende Vereinbarung, also Open Source, halten. Wenn Sie Closed Source verwenden müssen, müssen Sie beim Autor eine kostenpflichtige kommerzielle Genehmigung beantragen.
Abschließend beendet die folgende Abbildung diesen Artikel.
Vergleich häufig verwendeter Python-PDF-Bibliotheken
Vollständige Zusammenfassung der Python-Operation PDF|pdfplumber&PyPDF2 bazyd