Repolode
投稿する
pymupdf

pymupdf/PyMuPDF

MuPDFエンジンを基盤とする、高速なPDFなどの文書形式の抽出・解析・変換・レンダリング・編集に対応したPythonライブラリです。

代替できる製品:Adobe Acrobat

GitHub で見る公式サイト
スター
10,938
フォーク
813
未解決の Issue
58
最終コミット
12 時間前

これは何？

PyMuPDFは、PDFなどの文書形式を扱う軽量なCエンジンMuPDFのPythonバインディングです。Pythonコードから、フォント、サイズ、色、位置の情報を含むテキストの読み取り、表の検出とエクスポート、ページの画像化、埋め込み画像の抽出ができます。

抽出に加えて、注釈の追加、墨消し、フォームへの入力、ページ編集、ファイルの結合と分割、ブックマークやメタデータの管理、PDFの作成、MarkdownからPDFへの変換にも対応しています。また、文書をMarkdown、JSON、プレーンテキストにエクスポートできるため、LLMやRAGのパイプラインにも適しています。OCRにはRapidOCRまたはTesseractを利用でき、オプションのPyMuPDF Office拡張機能を追加すると、Word、Excel、PowerPoint、HWPファイルも扱えます。

Python 3.11以降を対象に、Windows、macOS、Linux向けのwheelが公開されています。ライセンスはAGPL-3.0で、プロプライエタリな用途向けにはArtifexが商用ライセンスを提供しています。

主な機能

  • 01フォント、サイズ、色、バウンディングボックスのメタデータを含むテキストを抽出
  • 02表を検出し、Markdownまたはpandas DataFrameとしてエクスポート
  • 03指定したDPIでページをPNGまたはJPEGにレンダリング
  • 04注釈を追加し、墨消しを恒久的に適用
  • 05AcroFormフィールドの読み取りと入力
  • 06LLMでの利用に向けて文書をMarkdown、JSON、プレーンテキストにエクスポート
  • 07RapidOCRまたはTesseractによるOCRを実行

ユースケース

  • PDFの内容を構造化されたMarkdownとしてLLMやRAGのパイプラインに渡す
  • 財務報告書や政府の報告書から表を抽出し、DataFrameに取り込む
  • 共有前に文書の機密情報を墨消しする
  • スクリプトでPDFを一括結合、分割、または透かし入れする

クイックスタート

  1. 1

    PyPIからPyMuPDFをインストールする

    pip install --upgrade pymupdf
  2. 2

    PDFからテキストを抽出する

    python -c "import pymupdf; doc = pymupdf.open('document.pdf'); [print(p.get_text()) for p in doc]"

使う前に知っておきたいこと

  • Office文書のサポートにはライセンスキーが必要です。キーがない場合、アクセスできるのは最初の3ページのみです。
  • コアライブラリはAGPL-3.0ライセンスであり、ネットワーク経由または配布して使用する場合はコピーレフトの義務が生じます。

トピック

#pdf#python#text-extraction#ocr#table-extraction#document-processing#rag#data-science#epub#extract-data

よくある質問

PyMuPDF とは？
MuPDFエンジンを基盤とする、高速なPDFなどの文書形式の抽出・解析・変換・レンダリング・編集に対応したPythonライブラリです。 PyMuPDFは、PDFなどの文書形式を扱う軽量なCエンジンMuPDFのPythonバインディングです。Pythonコードから、フォント、サイズ、色、位置の情報を含むテキストの読み取り、表の検出とエクスポート、ページの画像化、埋め込み画像の抽出ができます。
PyMuPDF は無料で使えますか？ライセンスは？
PyMuPDF は AGPL-3.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
PyMuPDF は今もメンテナンスされていますか？
活発にメンテナンス中。PyMuPDF の最終コミットは 2026年10月20日 です。
PyMuPDF は何に使えますか？
PDFの内容を構造化されたMarkdownとしてLLMやRAGのパイプラインに渡す 財務報告書や政府の報告書から表を抽出し、DataFrameに取り込む 共有前に文書の機密情報を墨消しする スクリプトでPDFを一括結合、分割、または透かし入れする
PyMuPDF のインストール方法は？
PyPIからPyMuPDFをインストールする: pip install --upgrade pymupdf PDFからテキストを抽出する: python -c "import pymupdf; doc = pymupdf.open('document.pdf'); [print(p.get_text()) for p in doc]"
PyMuPDF はどこで入手できますか？
ソースコードとインストール手順は GitHub にあります：https://github.com/pymupdf/PyMuPDF

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。

関連プロジェクト