Python Library For PDF

因为 PyMuPDF 是一个 Python 库, 在深入了解 PyMuPDF 之前, 我希望能了解一下 Python 社区一共有哪些 PDF 相关的库. 由于我们时间有限, 所以希望选择最有价值的来学习.

Note

下面的信息记录于 2023-11-10 日.

• PyPDF2: 老牌项目.

  • PyPI: https://pypi.org/project/PyPDF2/

  • GitHub: https://github.com/py-pdf/pypdf

  • 首次发布时间: 2012-08-06

  • 最近一次更新时间: 2022-12-22

  • GitHub Stars: 6.6k

  • License: BSD, free software

  • 依赖: 无, 它是纯 Python 实现.

• PyMuPDF: open source only, need to buy license for commercial project. 全面且强大, 基于 C++ 写的 MuPDF. 但是 Python 包自带用的是预编译的 MuPDF binary, 所以无需 yum, apt install. 美中不足就是商用需要 License.

  • PyPI: https://pypi.org/project/PyMuPDF/

  • GitHub: https://github.com/pymupdf/PyMuPDF

  • 首次发布时间: 2016-08-21

  • 最近一次更新时间: 2023-11-06

  • GitHub Stars: 3.1k

  • License: GNU AFFERO GPL 3.0, 商用需要买 License

  • 依赖: 无, 它是基于 C++ 实现, 然后 Python 只是 Binding, C++ 的源码包含在了包里.

• pdfminer: MIT.

  • PyPI: https://pypi.org/project/pdfminer.six/

  • GitHub: https://github.com/pdfminer/pdfminer.six

  • 首次发布时间: 2014-09-15

  • 最近一次更新时间: 2022-11-05

  • GitHub Stars: 4.9k

  • License: MIT

  • 依赖: 无, 它是纯 Python 实现.

• pdf2image: open source, free. 功能很简单, 将 PDF 转化为 Image 图片, 底层用的是 popper 这个 PDF Render 工具. 需要用 yum, apt install CLI 之后才能使用.

• Aspose.pdf: 一个用 .Net 开发的商用文档处理工具. 支持非常多富格式文档, 其中就支持 PDF. 价格很贵, 但是功能和性能绝对牛逼. 唯一遗憾是必须是 Windows 环境.

  • aspose.PDF

另外, The PDF Format 这篇文档介绍了 PDF 文件格式的底层数据结构, 非常值得一读.

结论

• 个人使用建议 PyPDF2 和 pdfminer.

• 商用选择 PyMuPDF 或 aspose