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
Edingbrugh.南空18 分钟前
Aerospike架构深度解析:打造web级分布式应用的理想数据库
数据库·架构
Cxzzzzzzzzzz2 小时前
数据库索引详解:原理、设计原则与应用场景
数据库·mysql
Alla T2 小时前
【通识】数据库
数据库·oracle
烙印6012 小时前
MySQL的底层原理--InnoDB数据页结构
java·数据库·mysql
VB5942 小时前
《中国传世名画》《中国传世山水画》《中国传世人物画》百科全书式的中国名画,PDF,294M
pdf
家庭云计算专家3 小时前
ONLYOFFICE深度解锁系列.13-如何复制、重新排序 PDF 页面:onlyoffice 9.0.3 新功能
pdf·onlyoffice·协作空间·onlyoffice开发版·onlyoffice新功能·onlyoffice开发者版
betazhou3 小时前
SQL server 2019删除重建用户
数据库·sql server
MickeyCV4 小时前
MySQL数据库本地迁移到云端完整教程
服务器·数据库·mysql·oracle
IT邦德4 小时前
OGG同步Oracle到Kafka不停库,全量加增量
数据库·oracle·kafka
菠萝催学1234 小时前
日志配置Slf4j
java·数据库·spring·tomcat·maven·intellij-idea