首先安装mupdf的包

打开文件，如果打开不受支持的文件，则PyMuPDF将抛出文件数据错误。

读取一个PDF文件，循环页面，读取内容，写入到一个txt中

get_text(opt, *, clip=None, flags=None, textpage=None, sort=False)

参数:

opt (str) –表示要求的格式的字符串，是上述格式之一。支持大写和小写混合。

在v1.16.3版本中进行了修改，现在也接受 "words "和 "blocks "的值。

clip (rect-like) – （v1.17.7版新增）将提取的文本限制在这个矩形范围内。如果没有，则提取整个页面的内容。对选项 "html"、"xhtml "和 "xml "没有影响。

flags (int) –(v1.16.2版新增)指标位，用于控制是否包括图像或如何处理文本的空白和连字符。可用的指标见文本提取标志，默认设置见文本提取标志默认值。

textpage – (v1.19.0版新增)使用先前创建的TextPage。这大大减少了执行时间：根据提取选项的不同，可减少50%以上，最高可达95%。如果指定了，"flags "和 "clip "参数将被忽略，因为它们是只属于文本页的属性。如果省略，将创建一个新的、临时的文本页。

sort (bool) – (v1.19.1中的新内容）按垂直坐标、然后是水平坐标对输出进行排序。在许多情况下，这应该足以产生一个 "自然 "的阅读顺序。对(X)HTML和XML没有影响。输出选项 "单词 "按单词的bboxes的（y1, x0）排序。对于 "block"、"dict"、"json"、"rawdict"、"rawjson "也是如此：它们都是按照相应块的bbox的（y1, x0）排序。如果指定为 "text"，那么在内部则使用 "blocks"。

返回类型:str, list, dict

返回：页面的内容是一个字符串、一个列表或一个字典。详情请参考相应的TextPage方法。

从PDF中提取图像

page.get_images()  仅限PDF：返回一个由页面引用的图像的列表。是Document.get_page_images()的封装器。

合并PDF文件

将PDF文件与其他类型的文件合并

为PDF添加水印

添加水印本质上就像在每个PDF页面的底部添加图像一样简单。应该确保图像具有所需的不透明度和纵横比，以使其看起来符合您的需要。在上面的示例中，每个文件引用都创建了一个新图像，但为了提高性能（通过节省内存和文件大小），该图像数据应该只被引用一次 - 请参阅代码示例和实现说明Page.insert_image()。

insert_image(rect, filename=None, pixmap=None, stream=None, mask=None, rotate=0, alpha=-1, oc=0, xref=0, keep_proportion=True, overlay=True)

仅限PDF：在给定的矩形内放置一个图像。该图像可能已经存在于PDF中，或者是从一个像素图、一个文件或一个内存区域中获取。

参数:

rect (rect_like) – 放置图像的地方。必须是有限的并且不是空的。

filename (str) – 图像文件的名称（MuPDF支持的所有格式，见支持的输入图像格式）。

stream (bytes,bytearray,io.BytesIO) –内存中的图像（MuPDF支持的所有格式--见支持的输入图像格式）。在v1.14.13版本中改变了：现在也支持io.BytesIO了。

pixmap (Pixmap) – 一个包含图像的像素图.

mask (bytes,bytearray,io.BytesIO) – （v1.18.1版新增）内存中的图像 - 作为基础图像的图像掩码（alpha值）。当指定时，必须以文件名或流的形式提供基础图像，而且不能是已经有遮罩的图像。.

xref (int) – （v1.18.13版新增）PDF中已经存在的图像的xref。如果给出，参数文件名、Pixmap、stream、alpha和 mask 将被忽略。页面将简单地接收一个对现有图像的引用。

alpha (int) – （在v1.19.3版中改变）已废弃。不再需要--给定时被忽略。.

rotate (int) –（在v1.14.11版本中新增）旋转图像。必须是90度的整数倍。正值的旋转是逆时针旋转。如果你需要任意角度的旋转，可以考虑先将图像转换为PDF（Document.convert_to_pdf()），然后用Page.show_pdf_page()代替。 

oc (int) – （v1.18.3版新增）（xref）使图像的可见性依赖于这个OCG或OCMD。在多次插入的第一次之后被忽略。该属性与生成的PDF图像对象一起存储，因此在整个PDF中控制图像的可见性。

keep_proportion (bool) – （v1.14.11版新增）保持图像的长宽比。

返回类型：int

返回：嵌入图像的xref。如果再次插入图像，这可以作为xref参数，获得非常显著的性能提升。

旋转PDF 

set_rotation(rotate) 仅限PDF：设置页面的旋转。
参数：
rotate (int) - 一个整数，指定所需的旋转度数。必须是90的整数倍。值将被转换为0、90、180、270中的一个。

裁剪PDF

要将页面裁剪为定义的Rect

set_cropbox(r)  仅限PDF：改变页面的可见部分。

参数：

r (rect_like) - 页面的新可见区域。注意，这必须以未旋转的坐标指定，不是空的，也不是无限的，并且完全包含在Page.mediabox中。

附加文件

要将另一个文件附加到页面（相当于添加了另一个文件的链接），附件的默认图标是“图钉”，但是您可以通过设置参数来更改它icon

add_file_annot(pos, buffer, filename, ufilename=None, desc=None, icon='PushPin')

参数：

pos (point_like) – 包含MuPDF提供的 "PushPin "图标的18x18矩形的左上角点。

buffer (bytes,bytearray,BytesIO) –缓冲区。要存储的数据（实际的文件内容，任何数据，等等）。

filename (str) – 与数据有关的文件名。

ufilename (str) – 文件名的可选PDF单字节码版本。默认为文件名。

desc (str) – 文件的可选描述。默认为文件名。

icon (str) – v1.16.0版新增）选择 "PushPin"（默认）、"Graph"、"Paperclip"、"Tag "中的一个作为附加数据的视觉符号。

返回类型：Annot

返回：创建的注释。笔触颜色黄色=（1，1，0），不支持填充颜色。

嵌入文件

要将文件嵌入文档，与附加文件一样，添加文件时请Document.embfile_add()注意，第一个参数filename应包括实际文件扩展名。

embfile_add(name, buffer, filename=None, ufilename=None, desc=None)

仅限PDF：嵌入一个新文件。除名称外，所有的字符串参数都可以是unicode（在以前的版本中，只有ASCII能正确工作）。文件内容将被压缩（如有好处）。

参数:

name (str) – 文件名，不能是已有文件。

buffer (bytes,bytearray,BytesIO) –文件内容，现在也支持io.BytesIO。

filename (str) –可选的文件名。仅限于文档，如果没有，将被设置为名称。

ufilename (str) –可选的unicode文件名。仅限文档，如果没有，将被设置为文件名。

desc (str) – 可选的描述。仅限文档，如果没有，将被设置为名称。

返回类型:int

返回：该方法现在返回插入的文件的XRef。此外，该文件对象现在将自动获得基于当前日期时间的PDF键/CreationDate和/ModDate。

删除页面

要从文档中删除页面

要从文档中删除多个页面

页面索引是从零开始的，因此要删除文档的第 10 页，您可以执行以下操作doc.delete_page(9)。

同样，将删除第 10 - 15 页（含）。doc.delete_pages(from_page=9, to_page=14)

重新排列页面

复制页面

选择页面

使用PyMuPDF，您可以使用所有选项来复制、移动、删除或重新排列PDF的页面。存在允许您逐页执行此操作的直观方法，例如方法Document.copy_page()。

或者，您也可以准备一个完整的Python序列形式的新页面布局，其中包含您想要的页码、您想要的顺序以及您想要的每页次数。以下可以说明可以做什么Document.select()

doc.select([1, 1, 1, 5, 4, 9, 9, 9, 0, 2, 2, 2])

现在让我们准备一个双面打印的 PDF（在不直接支持此功能的打印机上）：

页数由len(doc)（等于doc.page_count）给出。以下列表分别表示偶数页码和奇数页码：

p_even = [p in range(doc.page_count) if p % 2 == 0]

p_odd  = [p in range(doc.page_count) if p % 2 == 1]

此代码段创建了相应的子文档，然后可用于打印文档：

以下示例将反转所有页面的顺序

此代码段将 PDF 与自身复制，以便它将包含页面0、1、...、n、0、1、...、n （速度非常快，并且不会显着增加文件大小！）：

添加空白页

使用它来创建具有另一种预定义纸张格式的页面：

便利功能paper_size()知道 40 多种行业标准纸张格式可供选择。将所需的字典键传递给以paper_size()检索纸张尺寸。支持大小写。如果将“-L”附加到格式名称，则返回横向版本。

paper_size(s)

返回已知纸张格式代码的宽度和高度的便捷函数。对于标准分辨率 72 像素 = 1 英寸，这些值以像素为单位给出。

当前定义的格式包括'A0'到'A10'、'B0'到'B10'、'C0'到'C10'、'Card-4x6'、'Card-5x7'、'Commercial'、'Executive'、'Invoice '、'Ledger'、'Legal'、'Legal-13'、'Letter'、'Monarch'和'Tabloid-Extra'，每个都采用纵向或横向格式。

格式名称必须作为字符串提供（区分大小写），可以选择使用“-L”（横向）或“-P”（纵向）作为后缀。没有后缀默认为纵向。

参数：

s ( str ) – 上面的任何格式名称，大写或小写，如“A4”或“letter-l”。

返回类型：元组

返回：纸张格式的（宽度，高度） 。对于未知格式，返回(-1, -1) 。示例：fitz.paper_size(“A4”)返回(595, 842)和fitz.paper_size(“letter-l”)返回(792, 612)。

插入带有文本内容的页面

使用该Document.insert_page()方法还会插入一个新页面并接受相同的width参数height。但它还允许您将任意文本插入新页面并返回插入的行数。

文本参数可以是一个（序列）字符串（假设为 UTF-8 编码）。插入将从点(50, 72)开始，该点位于页面顶部下方一英寸处，距离左侧 50 点。返回插入的文本行数。

insert_page(pno, text=None, fontsize=11, width=595, height=842, fontname='helv', fontfile=None, color=None)

仅限PDF：插入一个新页并插入一些文本。方便的函数，结合了Document.new_page()和Page.insert_text()的部分。

参数:

pno (int) –要插入的页数（基数0）。必须在(-1, doc.page_count + 1)范围内。特殊值-1和doc.page_count在最后一页之后插入。

返回类型:int

返回：Page.insert_text()的结果（成功插入的行数）

拆分单个页面

这涉及将PDF页面分成任意部分。例如，您可能有一个包含Letter格式页面的PDF，您想要以四倍的放大倍数打印：每个页面被分成 4 个部分，每个部分再次以Letter格式进入一个单独的PDF页面。

示例：

合并单个页面

连接PDF页面以形成一个新的PDF，每个页面包含两个或四个原始页面（也称为“2-up”、“4-up”等）。这可用于创建小册子或类似缩略图的概览。

示例：

PDF加密解密

从 1.16.0 版本开始，完全支持PDF解密和加密（使用密码）。您可以执行以下操作：

• 检查文档是否受密码保护/（仍）加密（Document.needs_pass, Document.is_encrypted）。

• 获得文档的访问权限 ( Document.authenticate())。

• Document.save()使用或Document.write()和设置 PDF 文件的加密细节

以下代码片段创建一个新的PDF并使用单独的用户和所有者密码对其进行加密。授予打印、复制和注释的权限，但不允许使用用户密码进行身份验证的人进行任何更改。