### 常用 Python PDF 处理库推荐 #### 1. PyPDF2 `PyPDF2` 是一个功能强大的 Python 库，支持对 PDF 文件的多种操作。它能够实现分割、合并、裁剪和转换 PDF 文件页面的功能，同时还可以向 PDF 文件中添加自定义数据、查看选项和密码[^2]。此外，它可以从 PDF 文件中检索文本和元数据，并将多个文件合并在一起。 以下是一个简单的代码示例，展示如何使用 `PyPDF2` 合并两个 PDF 文件： ```python from PyPDF2 import PdfReader, PdfWriter def merge_pdfs(paths, output): pdf_writer = PdfWriter() for path in paths: pdf_reader = PdfReader(path) for page in pdf_reader.pages: pdf_writer.add_page(page) with open(output, 'wb') as out: pdf_writer.write(out) merge_pdfs(['file1.pdf', 'file2.pdf'], 'merged.pdf') ``` #### 2. pdfminer.six `pdfminer.six` 是一个专注于从 PDF 文件中提取文本和结构化信息的库。它特别适合处理需要详细解析的 PDF 文件，例如提取表格或特定格式的内容[^2]。以下是使用 `pdfminer.six` 提取 PDF 文本的一个示例： ```python from pdfminer.high_level import extract_text text = extract_text("example.pdf") print(text) ``` #### 3. pypdf `pypdf` 是一个开源的 Python 库，用于处理 PDF 文档。它可以实现对 PDF 文档的创建、读取、编辑和转换等操作，同时支持文本、图像和页面的提取和处理[^1]。以下是一个简单的代码示例，展示如何使用 `pypdf` 提取 PDF 的第一页内容： ```python from pypdf import PdfReader reader = PdfReader("example.pdf") first_page = reader.pages[0] print(first_page.extract_text()) ``` #### 4. slate `slate` 是一个简单易用的库，可以轻松地将 PDF 文件转换为可读的文本格式。虽然它的功能相对较少，但对于简单的文本提取任务来说非常方便。以下是一个使用 `slate` 提取 PDF 内容的示例： ```python import slate with open("example.pdf", "rb") as f: doc = slate.PDF(f) print(doc[0]) ``` #### 5. PDFC `PDFC` 是一个由社区驱动的轻量级、高效且易于使用的 PDF 操作库。它提供了简单而强大的 API，使 PDF 处理变得更加便捷[^3]。尽管该库的具体功能可能不如其他库广泛，但其简洁的设计使其在某些场景下非常有用。 #### 6. unstructured `unstructured` 是一个用于处理非结构化数据（如 PDF 和 Word 文档）的库。它可以自动将 PDF 文件划分为更小的部分，从而减少内存占用并加快处理速度[^4]。以下是一个使用 `unstructured` 提取 PDF 内容的示例： ```python from unstructured.partition.pdf import partition_pdf elements = partition_pdf(filename="example.pdf") for element in elements: print(element.text) ``` ### 总结 根据具体需求选择合适的库是关键。如果需要进行复杂的操作，如合并、分割或添加密码保护，可以选择 `PyPDF2` 或 `pypdf`；如果需要提取详细的文本或结构化信息，则可以考虑 `pdfminer.six` 或 `unstructured`。