使用 PyMuPDF(fitz)库打开 PDF 文件,并且是从内存中的字节流(BytesIO)读取 PDF 内容

使用 PyMuPDF(fitz)库打开 PDF 文件 ,并且是从内存中的字节流(BytesIO)读取 PDF 内容,而不是直接从文件路径加载。

详细解释

python 复制代码
import fitz  # PyMuPDF 库,用于处理 PDF 文件
pdf_document = fitz.open(stream=BytesIO(pdf_content), filetype="pdf")
  • pdf_content :这个变量应是 PDF 文件的二进制数据 (例如,pdf_content = some_pdf_file.read())。
  • BytesIO(pdf_content) :将 pdf_content 转换为内存中的字节流 ,模拟文件读取,使 fitz.open() 可以像处理本地文件一样读取 PDF。
  • fitz.open()
    • stream=BytesIO(pdf_content):表示从字节流(即内存中的 PDF 数据)打开文件,而不是从磁盘文件路径打开。
    • filetype="pdf":指定文件类型为 "pdf",这样 fitz 就不会误判格式。

举个例子

假设 pdf_content 是一个从某个 API 下载的 PDF 文件内容:

python 复制代码
import requests
from io import BytesIO
import fitz

# 从 URL 获取 PDF 文件
url = "https://www.example.com/sample.pdf"
response = requests.get(url)

# 确保请求成功
if response.status_code == 200:
    pdf_content = response.content  # 获取 PDF 文件的二进制数据

    # 使用 PyMuPDF 从二进制数据加载 PDF
    pdf_document = fitz.open(stream=BytesIO(pdf_content), filetype="pdf")

    # 读取第一页文本
    first_page_text = pdf_document[0].get_text()
    print(first_page_text)

    pdf_document.close()

总结

代码适用于处理二进制格式的 PDF 文件,尤其是在:

  1. PDF 直接从 API/网络请求获取,不存到本地文件时。
  2. PDF 作为字节数据存储在数据库或其他系统中,需要直接解析时。
  3. 文件上传到 Web 应用后,想在内存中解析,避免文件存储操作时。

这样做的好处是节省 I/O 操作,提高性能,并能处理动态生成的 PDF 文件

相关推荐
啦啦91171411 分钟前
Print Conductor打印软件安装教程!一款非常好用的批量打印软件!支持PDF、Word、Excel、图片等
pdf·excel
xxy.c19 分钟前
基于IMX6ULL芯片--I2C总线简单应用
数据库·mongodb
cookqq19 分钟前
MongoDB源码分析慢日志:从配置到实现的完整解析
数据库·mongodb·nosql·慢日志
8K超高清24 分钟前
汇世界迎全运 广州国际社区运动嘉年华举行,BOSMA博冠现场展示并分享与科技全运的故事
运维·服务器·网络·数据库·人工智能·科技
come1123431 分钟前
深入Spring Boot生态中最核心部分 数据库交互spring-boot-starter-data-jpa和Hibernate (指南五)
数据库·spring boot·hibernate
不剪发的Tony老师1 小时前
dbswitch:一款免费开源、功能强大的异构数据库迁移同步工具
数据库·etl·dbswitch
Crazy________2 小时前
13MySQL主从复制原理与搭建指南
数据库·mysql
June`3 小时前
Redis核心应用:从单机到分布式架构解析
数据库·redis·缓存
学习编程的Kitty3 小时前
MySQL——数据库基础与库的操作
数据库·mysql
krielwus3 小时前
Oracle 11g R2 物理冷备操作文档
数据库·oracle