Python使用pymupdf实现PDF内容搜索并显示功能

2023-08-15 10:44:37 作者：winfredzhang

在日常工作和学习中，我们可能需要查找和提取PDF文件中的特定内容,本文将介绍如何使用pymupdf实现PDF内容搜索并显示的功能，需要的可以参考下

简介

在日常工作和学习中，我们可能需要查找和提取PDF文件中的特定内容。本文将介绍如何使用Python编程语言和wxPython图形用户界面库来实现一个简单的PDF内容搜索工具。我们将使用PyMuPDF模块来处理PDF文件，并结合wxPython构建一个用户友好的界面。C:\pythoncode\new\pdffindcontent.py

准备工作

在开始之前，请确保已经安装了Python和相应的模块。可以使用pip来安装wxPython和PyMuPDF模块，具体安装方法可以参考官方文档。

创建GUI界面

我们首先需要创建一个GUI界面，以便用户选择要搜索的PDF文件并输入要查找的内容。我们使用wxPython库来创建界面。

def __init__(self, parent, title):
        super(PDFSearchFrame, self).__init__(parent, title=title, size=(800, 600))
        panel = wx.Panel(self)
        vbox = wx.BoxSizer(wx.VERTICAL)
        # 选择文件按钮
        file_picker = wx.FilePickerCtrl(panel, style=wx.FLP_OPEN|wx.FLP_FILE_MUST_EXIST)
        file_picker.Bind(wx.EVT_FILEPICKER_CHANGED, self.on_file_selected)
        vbox.Add(file_picker, 0, wx.EXPAND|wx.ALL, 10)
        # 输入框和按钮
        hbox = wx.BoxSizer(wx.HORIZONTAL)
        self.search_text = wx.TextCtrl(panel)
        search_button = wx.Button(panel, label='搜索')
        search_button.Bind(wx.EVT_BUTTON, self.on_search)
        hbox.Add(self.search_text, 1, wx.EXPAND|wx.ALL, 5)
        hbox.Add(search_button, 0, wx.ALL, 5)
        vbox.Add(hbox, 0, wx.EXPAND|wx.ALL, 10)
        # 显示框
        self.display_text = wx.TextCtrl(panel, style=wx.TE_MULTILINE|wx.TE_READONLY)
        vbox.Add(self.display_text, 1, wx.EXPAND|wx.ALL, 10)
        panel.SetSizer(vbox)
        self.Show()

在上述代码中，我们创建了一个名为 PDFSearchFrame 的窗口类，它继承自wxPython的 wx.Frame 类。在该类的构造函数中，我们创建了界面的各个组件，包括选择文件按钮、输入框和搜索按钮以及显示框。

PDF内容搜索和提取

接下来，我们需要在代码中添加PDF内容搜索和提取的功能。我们将使用PyMuPDF模块来处理PDF文件。

# 导入所需模块
import wx
import fitz
def on_search(self, event):
        search_text = self.search_text.GetValue()
        if not search_text or not self.pdf_path:
            return
        doc = fitz.open(self.pdf_path)
        matches = []
        for page in doc:
            text = page.get_text().lower()
            if search_text.lower() in text:
                matches.append((page.number, text))
        self.display_text.SetValue('')
        if matches:
            for page_num, text in matches:
                self.display_text.AppendText(f"Page {page_num}:\n{text}\n\n")
        else:
            self.display_text.AppendText("未找到匹配的内容。")
        doc.close()

在上述代码中，我们在 on_search 方法中添加了PDF内容搜索和提取的代码。首先，我们使用 fitz.open 函数打开选择的PDF文件，并遍历每一页的文本内容。然后，我们将文本内容转换为小写，并检查搜索文本是否在其中。如果找到合适的匹配项，我们将它们存储在 matches 列表中。最后，我们将匹配的结果显示在显示框中，如果没有找到匹配的内容，则显示相应的提示信息。

全部代码

import wx
import fitz
class PDFSearchFrame(wx.Frame):
    def __init__(self, parent, title):
        super(PDFSearchFrame, self).__init__(parent, title=title, size=(800, 600))
        panel = wx.Panel(self)
        vbox = wx.BoxSizer(wx.VERTICAL)
        # 选择文件按钮
        file_picker = wx.FilePickerCtrl(panel, style=wx.FLP_OPEN|wx.FLP_FILE_MUST_EXIST)
        file_picker.Bind(wx.EVT_FILEPICKER_CHANGED, self.on_file_selected)
        vbox.Add(file_picker, 0, wx.EXPAND|wx.ALL, 10)
        # 输入框和按钮
        hbox = wx.BoxSizer(wx.HORIZONTAL)
        self.search_text = wx.TextCtrl(panel)
        search_button = wx.Button(panel, label='搜索')
        search_button.Bind(wx.EVT_BUTTON, self.on_search)
        hbox.Add(self.search_text, 1, wx.EXPAND|wx.ALL, 5)
        hbox.Add(search_button, 0, wx.ALL, 5)
        vbox.Add(hbox, 0, wx.EXPAND|wx.ALL, 10)
        # 显示框
        self.display_text = wx.TextCtrl(panel, style=wx.TE_MULTILINE|wx.TE_READONLY)
        vbox.Add(self.display_text, 1, wx.EXPAND|wx.ALL, 10)
        panel.SetSizer(vbox)
        self.Show()
    def on_file_selected(self, event):
        self.pdf_path = event.GetPath()
    def on_search(self, event):
        search_text = self.search_text.GetValue()
        if not search_text or not self.pdf_path:
            return
        doc = fitz.open(self.pdf_path)
        matches = []
        for page in doc:
            text = page.get_text().lower()
            if search_text.lower() in text:
                matches.append((page.number, text))
        self.display_text.SetValue('')
        if matches:
            for page_num, text in matches:
                self.display_text.AppendText(f"Page {page_num}:\n{text}\n\n")
        else:
            self.display_text.AppendText("未找到匹配的内容。")
        doc.close()
if __name__ == '__main__':
    app = wx.App()
    PDFSearchFrame(None, title="PDF搜索")
    app.MainLoop()

运行程序

完成以上步骤后，我们可以保存并运行这个程序。一个具有搜索功能的PDF内容搜索工具的窗口将会弹出。我们可以选择要搜索的PDF文件，输入要查找的内容，并点击搜索按钮。程序将会将匹配的结果显示在显示框中，包括找到的页面号和相应的文本内容。

总结

本文介绍了如何使用Python和wxPython库来实现一个简单的PDF内容搜索工具。通过结合PyMuPDF模块和wxPython图形界面，我们能够方便地选择PDF文件，并在输入框中输入要查找的内容。程序将搜索匹配的内容，并将找到的页面内容提取到显示框中。这个工具可以帮助我们快速查找和提取PDF文件中的特定内容，提高工作效率。

到此这篇关于Python使用pymupdf实现PDF内容搜索并显示功能的文章就介绍到这了,更多相关Python pymupdf内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！