我有一個(gè) pdf 文件列表，我需要在這些文件的每一頁(yè)上突出顯示特定文本，并為每個(gè)文本實(shí)例保存一個(gè)快照。到目前為止，我能夠突出顯示文本并將 pdf 文件的整個(gè)頁(yè)面保存為快照。但是，我想找到突出顯示文本的位置并放大快照，與整頁(yè)快照相比，它會(huì)更詳細(xì)。我很確定必須有解決這個(gè)問(wèn)題的方法。我是 Python 新手，因此我找不到它。如果有人能幫助我解決這個(gè)問(wèn)題，我將不勝感激。我曾嘗試使用PyPDF2,Pymupdf庫(kù)，但我無(wú)法找出解決方案。我還嘗試通過(guò)提供有效的坐標(biāo)來(lái)突出顯示，但找不到將這些坐標(biāo)作為輸出的方法。[![Sample snapshot from the code[![\]\[1\]][1]][1]][1]#import PyPDF2import osimport fitzfrom wand.image import Imageimport csv#import re#from pdf2image import convert_from_pathcheck = r'C:\Users\Pradyumna.M\Desktop\Pradyumna\Automation\Intel Bytes\Create Source Docs\Sample Check 8 Apr 2019'dir1 = check + '\\Source Docs\\'dir2 = check + '\\Output\\'dir = [dir1, dir2]for x in dir: try: os.mkdir(x) except FileExistsError: print("Directory ", x, " already exists")### READ PDF FILEwith open('upload1.csv', newline='') as myfile: reader = csv.reader(myfile) for row in reader: rowarray = '; '.join(row) src = rowarray.split("; ") file = check + '\\' + src[4] + '.pdf' print(file) #pdfFileObj = open(file,'rb') #pdfReader = PyPDF2.PdfFileReader(pdfFileObj) #print("Total number of pages: " + str(pdfReader.numPages)) doc = fitz.open(file) print(src[5]) for i in range(int(src[5])-1, int(src[5])): i = int(i) page = doc[i] print("Processing page: " + str(i)) text = src[3] #SEARCH TEXT print("Searching: " + text) text_instances = page.searchFor(text) for inst in text_instances: highlight = page.addHighlightAnnot(inst) file1 = check + '\\Output\\' + src[4] + '_output.pdf'
1 回答
牧羊人nacy
TA貢獻(xiàn)1862條經(jīng)驗(yàn) 獲得超7個(gè)贊
“找不到將這些坐標(biāo)作為輸出的方法” - 您可以通過(guò)以下方式獲取坐標(biāo)：
for inst in text_instances:
print(inst)
inst是fitz.Rect包含找到的文本的左上角和右下角坐標(biāo)的對(duì)象。所有信息都可以在docs 中找到。
我設(shè)法使用以下代碼片段突出顯示點(diǎn)并保存裁剪區(qū)域。我正在使用 python 3.7.1，我的輸出fitz.version是('1.14.13', '1.14.0', '20190407064320').
import fitz
doc = fitz.open("foo.pdf")
inst_counter = 0
for pi in range(doc.pageCount):
page = doc[pi]
text = "hello"
text_instances = page.searchFor(text)
five_percent_height = (page.rect.br.y - page.rect.tl.y)*0.05
for inst in text_instances:
inst_counter += 1
highlight = page.addHighlightAnnot(inst)
# define a suitable cropping box which spans the whole page
# and adds padding around the highlighted text
tl_pt = fitz.Point(page.rect.tl.x, max(page.rect.tl.y, inst.tl.y - five_percent_height))
br_pt = fitz.Point(page.rect.br.x, min(page.rect.br.y, inst.br.y + five_percent_height))
hl_clip = fitz.Rect(tl_pt, br_pt)
zoom_mat = fitz.Matrix(2, 2)
pix = page.getPixmap(matrix=zoom_mat, clip = hl_clip)
pix.writePNG(f"pg{pi}-hl{inst_counter}.png")
doc.close()
我在一個(gè)帶有“你好”的樣本 pdf 上對(duì)此進(jìn)行了測(cè)試：
腳本的一些輸出：
添加回答
舉報(bào)
0/150
提交
取消