在选择处理 PDF 文件的 Python 库时，需根据具体任务需求（如文本提取、文档合并、数据提取、格式转换、加密保护等）来决定使用哪个库更为合适。以下是几个广泛认可且功能强大的 Python PDF 处理库，适用于不同场景。 ### 1. `PyPDF2` `PyPDF2` 是一个用于读取和写入 PDF 文件的开源库，支持 PDF 文档的合并、拆分、加密、解密和提取文本等操作。它非常适合用于处理结构化 PDF 文件，但不支持对 PDF 进行复杂的修改或添加图像等高级功能。 示例：提取 PDF 文本内容 ```python import PyPDF2 with open('example.pdf', 'rb') as file: reader = PyPDF2.PdfReader(file) text = '' for page in reader.pages: text += page.extract_text() print(text) ``` ### 2. `pdfplumber` `pdfplumber` 是一个专注于从 PDF 中提取表格和文本内容的库，尤其适合处理带有表格结构的 PDF 文档。相比 `PyPDF2`，它提供了更丰富的页面信息访问能力，包括文本位置、字体大小、表格线等。 示例：提取表格内容 ```python import pdfplumber with pdfplumber.open("example.pdf") as pdf: for page in pdf.pages: tables = page.extract_tables() for table in tables: for row in table: print(row) ``` ### 3. `pdfminer.six` `pdfminer.six` 是一个强大的 PDF 文本提取工具，支持高精度的文本定位和编码识别，适合处理复杂排版或非拉丁字符的 PDF 文件。它比 `PyPDF2` 更灵活，但配置和使用相对复杂。 示例：提取文本内容 ```python from pdfminer.high_level import extract_text text = extract_text("example.pdf") print(text) ``` ### 4. `Aspose.PDF for Python` 如引用所述，`Aspose.PDF` 是一个商业库，提供了 PDF 操作的完整解决方案，包括创建、编辑、转换、压缩、加密等高级功能。它支持广泛的 PDF 操作，并且性能优越，适合企业级应用开发。[^2] 示例：将 PDF 转换为 HTML ```python import aspose.pdf as ap # 加载 PDF 文档 document = ap.Document("example.pdf") # 保存为 HTML 格式 document.save("output.html", ap.SaveFormat.Html) ``` ### 5. `reportlab` 如果任务是创建 PDF 而不是处理已有 PDF，`reportlab` 是一个非常流行的库，支持从 Python 脚本生成 PDF 文档，包括文本、图像、表格和图表等内容。 示例：生成一个简单 PDF ```python from reportlab.pdfgen import canvas c = canvas.Canvas("hello.pdf") c.drawString(100, 750, "Welcome to ReportLab!") c.save() ``` ### 6. `camelot` `camelot` 是一个专门用于从 PDF 中提取表格数据的库，支持将表格导出为 CSV、Excel、JSON 等格式。它结合了 `pdfminer` 和 `pandas` 的功能，适合结构化数据提取任务。 示例：提取并保存表格数据 ```python import camelot tables = camelot.read_pdf("example.pdf") tables.export("output.csv", f="csv") ``` --- ###