### Python 处理 PDF 文件并查看属性 在 Python 中，有多个库可用于处理 PDF 文件及其属性。以下是几个常用的库以及它们的功能： #### 1. **PyPDF2** PyPDF2 是一个功能强大的库，支持从 PDF 文件中提取元数据和文本内容。它还可以用于分割、合并和旋转 PDF 页面。 ##### 示例代码：提取 PDF 属性 ```python import PyPDF2 def extract_pdf_metadata(pdf_path): with open(pdf_path, 'rb') as file: reader = PyPDF2.PdfReader(file) metadata = reader.metadata print(f"Author: {metadata.author}") print(f"Creator: {metadata.creator}") print(f"Producer: {metadata.producer}") print(f"Subject: {metadata.subject}") print(f"Title: {metadata.title}") print(f"Number of Pages: {len(reader.pages)}") if __name__ == "__main__": extract_pdf_metadata('example.pdf') ``` 此代码片段展示了如何使用 `PyPDF2` 库提取 PDF 的元数据，包括作者、创建者、生产者、主题、标题和页数[^4]。 --- #### 2. **pdfplumber** pdfplumber 是另一个流行的库，专注于从 PDF 文件中精确地提取表格和文本内容。它可以轻松读取 PDF 并提供详细的页面布局信息。 ##### 示例代码：读取 PDF 文本 ```python import pdfplumber def read_pdf_text(pdf_path): with pdfplumber.open(pdf_path) as pdf: for page in pdf.pages: text = page.extract_text() if text: print(text) if __name__ == "__main__": read_pdf_text('example.pdf') ``` 这段代码演示了如何使用 `pdfplumber` 来逐页读取 PDF 文件的内容，并打印每一页的文本[^1]。 --- #### 3. **pikepdf** pikepdf 是一个高级库，允许修改 PDF 结构，例如加密/解密文件、优化图像质量和调整字体嵌入设置。它还提供了访问低级对象的能力。 ##### 示例代码：查看 PDF 基础属性 ```python import pikepdf def inspect_pdf_properties(pdf_path): pdf = pikepdf.Pdf.open(pdf_path) info = dict(pdf.docinfo.items()) print(info) print(f"Page Count: {len(pdf.pages)}") if __name__ == "__main__": inspect_pdf_properties('example.pdf') ``` 该示例说明了如何通过 `pikepdf` 查看 PDF 的文档信息（如关键字、日期等），以及统计总页数[^5]。 --- #### 4. **fitz (PyMuPDF)** fitz 是 MuPDF 的封装器，能够高效解析复杂的矢量图形和栅格图像。它的性能优越，在大规模批量化操作场景下表现优异。 ##### 示例代码：获取 PDF 元数据 ```python import fitz # PyMuPDF def get_pdf_info(pdf_path): doc = fitz.open(pdf_path) meta = doc.metadata pages = len(doc) print(meta) print(f"Total Pages: {pages}") if __name__ == "__main__": get_pdf_info('example.pdf') ``` 这里介绍了如何借助 `fitz` 获得完整的 PDF 元数据字典及总的页码数量[^3]。 --- ### 总结 以上列举了几种主流的 Python 库来完成对 PDF 文件的操作需求。具体选择取决于实际应用场景： - 如果仅需简单地浏览或检索基本信息，则推荐使用轻量级方案如 `PyPDF2` 或 `pikepdf`. - 若要深入挖掘复杂结构化数据或者涉及大量计算密集型任务时，建议采用更强大灵活的选择比如 `pdfplumber`, `fitz`.