Repolode
提交项目
pymupdf

pymupdf/PyMuPDF

基于 MuPDF 引擎的高性能 Python 库，用于提取、分析、转换、渲染和编辑 PDF 等文档。

可替代:Adobe Acrobat

在 GitHub 查看官网
Star
10,938
Fork
813
未关闭 Issue
58
最近提交
5小时前

这是什么？

PyMuPDF 是 MuPDF C 引擎的 Python 封装，可用于处理 PDF 及其他文档格式。使用者可以提取带字体、字号、颜色和位置信息的文本，识别并导出表格，将页面渲染为图片，以及提取嵌入的图像。

除提取外，该库还支持添加批注、永久涂黑（脱敏）、填写表单、编辑页面、合并与拆分文件，以及读写书签和元数据。它可以创建 PDF，也能把 Markdown 转为 PDF，并将文档导出为 Markdown、JSON 或纯文本，适合 LLM 和 RAG 数据管线。OCR 可选用 RapidOCR 或 Tesseract；可选的 PyMuPDF Office 扩展则支持 Word、Excel、PowerPoint 和 HWP 等格式。

项目为 Windows、macOS 和 Linux 提供预编译包，支持 Python 3.11 及以上。项目采用 AGPL-3.0 许可，商业闭源使用需向 Artifex 购买商业授权。

核心功能

  • 01提取文本，并附带字体、字号、颜色和边界框信息
  • 02识别表格，可导出为 Markdown 或 pandas DataFrame
  • 03按指定 DPI 将页面渲染为 PNG 或 JPEG
  • 04添加批注，并可永久应用涂黑脱敏
  • 05读取和填写 AcroForm 表单字段
  • 06将文档导出为 Markdown、JSON 或纯文本，便于 LLM 使用
  • 07通过 RapidOCR 或 Tesseract 进行 OCR

适用场景

  • 将 PDF 内容转为结构化 Markdown，输入 LLM 或 RAG 数据管线
  • 从财务或政府报告中提取表格，转为 DataFrame 进行分析
  • 在分享文档前对敏感信息进行涂黑脱敏
  • 在脚本中批量合并、拆分或为 PDF 添加水印

快速上手

  1. 1

    从 PyPI 安装 PyMuPDF

    pip install --upgrade pymupdf
  2. 2

    从 PDF 中提取文本

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

使用前须知

  • Office 文档支持需要许可证密钥，未提供密钥时只能访问前 3 页。
  • 核心库采用 AGPL-3.0 许可证，网络服务或分发场景下有传染性开源义务。

标签

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

常见问题

PyMuPDF 是什么？
基于 MuPDF 引擎的高性能 Python 库，用于提取、分析、转换、渲染和编辑 PDF 等文档。 PyMuPDF 是 MuPDF C 引擎的 Python 封装，可用于处理 PDF 及其他文档格式。使用者可以提取带字体、字号、颜色和位置信息的文本，识别并导出表格，将页面渲染为图片，以及提取嵌入的图像。
PyMuPDF 可以免费使用吗？用的什么许可证？
PyMuPDF 以 AGPL-3.0 许可证开源。用于商业产品前，请先确认许可证条款。
PyMuPDF 还在维护吗？
活跃维护中。PyMuPDF 最近一次提交是在 2026年10月20日。
PyMuPDF 适合用来做什么？
将 PDF 内容转为结构化 Markdown，输入 LLM 或 RAG 数据管线 从财务或政府报告中提取表格，转为 DataFrame 进行分析 在分享文档前对敏感信息进行涂黑脱敏 在脚本中批量合并、拆分或为 PDF 添加水印
PyMuPDF 怎么安装和运行？
从 PyPI 安装 PyMuPDF: pip install --upgrade pymupdf 从 PDF 中提取文本: python -c "import pymupdf; doc = pymupdf.open('document.pdf'); [print(p.get_text()) for p in doc]"
在哪里获取 PyMuPDF？
源代码和安装说明在 GitHub 上：https://github.com/pymupdf/PyMuPDF

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目