从多个pdf文档中截取部分区域拼接成一个pdf文档

2024年4月21日 181次阅读 来源: 西风西风西风

提取合并多个pdf页面中的子区域，形成一个没有分页符的页面。
输入input：多个pdf的Rect区域 areas in pdf
输出output：一页（只是一页）完整的pdf文档 a page of pdf doc
*******************************
使用的工具及步骤tools and steps：
 1、使用fitz.open()函数打开pdf
*2、使用page.searchFor(“特征字符串”)函数找到特征字符串位置（两个对角定点的坐标），得到需要剪切的位置。如果知道位置这一步可以省略
 3、使用page = DOC.newPage(页面宽，页面高）创建新的页面
 4、使用page.showPDFpage()函数插入区域
 5、使用doc.save()函数保存文档

example：
#step 1  
import fitz                
DOC1 = fitz.open(“c:/内容文件1.pdf”) # 打开pdf文件，为提取这个文件的内容做准备
DOC2 = fitz.open(“c:/内容文件2.pdf”) # 打开pdf文件，为提取这个文件的内容做准备
DOC3 = fitz.open()  # empty new PDF (output)建立一个空文档，用于存放提取出来的pdf上的区域
#step 3 创建一个新的空页面
page = DOC3.newPage(width=DOC1[0].rect.width, 
                    height=y) #文档总共的高度
 4、使用page.showPDFpage()函数插入区域
page.showPDFpage(DOC1[0].rect, DOC1, 0) # 把DOC1文档的 page 0页 的DOC1[0].rect 区域插入DOC3新创建的页面
page.showPDFpage(DOC3rect, DOC2, 1, clip=rect1) # 把DOC2 第一页中的rect1 区域 插入DOC3rect区域  page 1, rect1
page.showPDFpage(nr2, DOC2, 2, clip=rect2) #同上
 5、使用doc.save()函数保存文档
   DOC3.save(‘E:/我的新文档.pdf’, garbage=4, deflate=True)  #保存文档到’E:/我的新文档.pdf’代码样例

import fitz

DOC1 = fitz.open('E:/定义3.pdf')
DOC2 = fitz.open('E:/含义.pdf')
DOC3 = fitz.open()  

page = DOC3.newPage(width=DOC1[0].rect.width, 
                    height=DOC1[0].rect.height + DOC2[0].rect.height)
page.showPDFpage(DOC1[0].rect, DOC1, 0) 
placerect = fitz.Rect([0,DOC1[0].rect[3],DOC1[0].rect[2],DOC1[0].rect[3]+DOC2[0].rect[3]])
page.showPDFpage(placerect, DOC2, 0, clip=DOC2[0].rect) 
DOC3.save('E:/我的新文档.pdf', garbage=4, deflate=True)

感谢Jorj McKie 

西风2019.3.1

最后，虽然GitHub上也发了同样的文章，但我还是希望新接触pymupdf的同学可以更方便的使用这个库。欢迎邮件咨询pymupdf的相关问题。democrat800@qq.com

 

    原文作者：西风西风西风
    原文地址: https://blog.csdn.net/democrat800/article/details/88070520
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞