| categories | tags | ||
|---|---|---|---|
|
|
2022.06.07修订：新增第三方库borb。初稿写于2021.01.02，彼时borb才发布1.0版没几个月；两年不到，Github上已近三千赞。
PDF（Portable Document Format）是一种便携文档格式，便于跨操作系统传播文档。PDF文档遵循标准格式，因此存在很多可以操作PDF文档的工具，Python自然也不例外。面多众多的Python第三方库，本文从功能、开源协议及社区活跃度三方面加以对比，以便根据具体需求选择合适的库。
功能对比从大粒度上分成了 提取内容、操作页面 和 创建内容 三方面。前两者分别是针对已经存在的PDF文档的读和写操作，最后一项从内容上创建新文档。考虑到时效性，以下对比列出了撰文时（2021.01）相应的最新版本。
- 提取内容 如文本、图片、元信息
- 操作页面 特指操作已经存在的页面例如分割、合并、裁剪、旋转等
- 创建内容 指创建或修改页面内容，例如文本、图片、形状
Python库 | 当前版本 | Python版本 | 开源协议 | 最新更新 | 功能：提取内容 | 功能：操作页面 | 功能：创建内容 | 备注
- | - | - | - | - | - | - | - | -
PyPDF2 | 1.26.0 | 2.6-3.6 | modified BSD | 3年前 | √ | √ | × |
PyPDF2已不再维护，继任者PyPDF4（PyPDF、PyPDF2及PyPDF4的渊源参考此处）。由于PyPDF2似乎更知名，故以其作为条目列出。 pdfrw | 0.4 | 2.6-3.6 | MIT | 3年前 | √ | √ | × | 自身不能创建新内容，但是集成了ReportLab，可以兼容ReportLab生成新页面 ReportLab | 3.5.58 | 2.7， 3.6+ | BSD | 非常活跃 | × | × | √ |ReportLab的开源版本，专业创建PDF内容如文本、图表等 pikepdf | 2.2.4 | 2.7， 3.6+ | MPL 2.0 | 非常活跃 | √ | √ | × | 基于C++的QPDF，对标PyPDF2和pdfrw；偏向底层 pdfplumber | 0.5.25 | 3.6-3.8 | MIT | 活跃 | √ | × | × | 基于pdfminer.six；除了文本、形状（矩形、直线/曲线），还能解析表格。几个提取PDF表格的Python库的对比参考此处 pdfminer.six | 20201018 | 3.6+ | MIT | 2个月前 | √ | × | × |pdfminer的社区维护版，因为pdfminer自2020年起不再积极维护 PyMuPDF | 1.18.5 | 3.6+ | GPL V3 | 非常活跃 | √ | √ | √ | 基于mupdf；以处理速度著称，参考此处 borb | 2.0.27 | 3.6+ | AGPL | 非常活跃 | √ | √ | √ | 纯Python库，支持读、写、操作PDF文档，兼顾底层和高级应用
borb于 2022.06 新加入对比，时间点以此为准。
-
PyPDF2系列、pdfrw及pikepdf专注对已经存在的PDF的操作（分割、合并、旋转等），前两者基本处于停止维护的状态。 -
pdfplumber及其依赖pdfminer.six专注PDF内容提取，例如文本（位置、字体及颜色等）和形状（矩形、直线、曲线），前者还有解析表格的功能。 -
ReportLab专注PDF页面内容（文本、图、表等）的创建。 -
PyMuPDF和borb同时支持读、写及PDF页面操作，功能最为全面。其中，PyMuPDF尤其以速度快著称，而borb是新开发并深得好评的库，潜力无穷。但是，二者同为GPL家族的开源协议，对商用不太友好*。
* 支持免费使用，但是要求引用其的程序也必须遵守相应协议即开源。如果需要闭源使用的话，需要向作者申请付费的商用授权。
最后，用下图的总结结束全文。
