PyMuPDF 1.24.2 Documentation

• 语言: 英语
• 格式: .pdf
• 来源: pymupdf.readthedocs.io

摘要

文档介绍了PyMuPDF 1.24.2版本的功能与性能特点，包括文档复制、文本提取和页渲染等方面的性能测试结果。同时，文档记录了各个版本（如1.24.1、1.24.2）的新功能开发和问题修复，展示了其与其他工具（如XPDF、PyPDF2等）的性能对比优势。

AI总结

### 总结：PyMuPDF 1.24.2 文档

PyMuPDF 1.24.2 是一个高性能的 Python 库，专为从 PDF 和其他文档中提取、分析、转换和操作数据而设计。以下是该版本文档的核心内容和关键信息的总结：

---

### **1. 性能比较（Performance Comparison Methodology）**
PyMuPDF 在多个方面进行了性能测试，包括文档复制、文本提取和页面渲染。以下是测试结果的要点：

#### **1.1 文档复制（Document Copying）**
- 测试工具：PyMuPDF、PDFrw、PikePDF、PyPDF2
- PyMuPDF 在所有测试文件中表现最优，速度是 PyPDF2 的 162 倍。
- 测试数据：
- PyMuPDF：总时间 3.05 秒
- PyPDF2：总时间 494.04 秒

#### **1.2 文本提取（Text Extraction）**
- 测试工具：PyMuPDF、XPDF、PyPDF2、PDFMiner
- PyMuPDF 的速度远超其他工具，总时间仅 8.01 秒。
- 测试数据：
- PyMuPDF：总时间 8.01 秒
- XPDF：总时间 27.42 秒
- PDFMiner：总时间 227.27 秒

#### **1.3 页面渲染（Page Rendering）**
- 测试工具：PyMuPDF、XPDF、pdf2jpg
- PyMuPDF 在 150 DPI下的渲染速度最快。
- 测试数据：
- PyMuPDF：总时间 6.19 秒
- XPDF：总时间 27.42 秒
- pdf2jpg：总时间 101.64 秒

---

### **2. 更新日志（Change Log）**

#### **2.1 版本 1.24.3（2024-04-xx）**
- 修复问题：
- 可以添加包含交互字段计算的 JavaScript 小部件。
- 修复了 `get_text_blocks` 返回值顺序的文档不一致问题。
- 其他改进：
- 新增方法：`Page.remove_rotation()`。

#### **2.2 版本 1.24.2（2024-04-17）**
- 移除过时的经典实现（`fitz_old`）。
- 修复问题：
- `Document.pages()` 的类型注解错误。
- `Document.metadata` 属性的 setter 错误。
- 其他改进：
- 新增方法：
- `Document.bake()`：使注释和字段成为永久内容。
- `Page.cluster_drawings()`：根据几何位置识别绘图项。
- `Page.apply_redactions()`：新增 `text` 参数。
- `Document.subset_fonts()`：使用 MuPDF 的 `pdf_subset_fonts()` 方法。
- 支持通过切片指定页面号。
- 避免 MuPDF 的警告。

#### **2.3 版本 1.24.1（2024-04-02）**
- 修复问题：
- 红黑置（`apply_redactions`）移动了未被红黑的文本。
- 链接分类更宽松。
- 含大写“ET”的文本未显示为注释。
- 其他改进：
- 升级到 MuPDF-1.24.1。

---

### **3. 总体观点**
- **性能优势**：PyMuPDF 在文档复制、文本提取和页面渲染方面表现显著优于其他工具。
- **功能改进**：1.24.2 及其后续版本新增了多个实用方法，并修复了关键问题，进一步提升了稳定性和功能性。
- **开源与授权**：PyMuPDF 和 MuPDF 可以在 AGPL 开源协议或商业授权下使用。

---

### **关键链接**
- PyMuPDF 主页：[GitHub](https://github.com/zbw-parlai/py-mupdf)
- PyPI 登录页：[PyPI](https://pypi.org/project/PyMuPDF/)