引言

在處理和分析PDF文檔時，獲取文本和圖片在頁面上的精確位置是一個重要的操作。通過確定這些元素的具體坐標(biāo)，我們可以實(shí)現(xiàn)對PDF內(nèi)容的更精細(xì)控制和理解，這對于自動化文檔處理、信息提取以及內(nèi)容重組等工作流程尤為關(guān)鍵。通過Python編程語言，我們可以輕松獲取PDF頁面上文本及圖像的精確坐標(biāo)，使我們能夠在不影響其原有排版的情況下對內(nèi)容進(jìn)行操作。本文將介紹如何使用Python獲取PDF文本和圖片在頁面上的位置坐標(biāo)。

本文所使用的方法需要用到Spire.PDF for Python，PyPI：pip install spire.pdf。

Spire.PDF for Python通過一個起點(diǎn)位于頁面左上角的坐標(biāo)系來處理PDF頁面元素的位置，x軸向右延伸，y軸向下延伸。當(dāng)我們在PDF頁面放置文本、圖像等內(nèi)容時，我們可以直接使用x和y兩個數(shù)值來確定位置。同時，我們也可以使用庫中的屬性獲取指定元素在其頁面上的位置。

頁面坐標(biāo)如圖所示：

用Python在PDF中查找文本并獲取其頁面坐標(biāo)位置

PdfTextFinder類可以幫助我們以指定的查找選項在指定PDF頁面中查找文本。查找到指定文本后，我們可以使用PdfTextFragment.Positions[0].X和PdfTextFragment.Positions[0].Y屬性訪問文本的起始坐標(biāo)，從而確定其精確位置。
同時，PdfTextFragment類還提供Text、TextStates[].FontSize以及TextStates[].FontName屬性來獲取文本的更多信息，從而方便開發(fā)者對文本進(jìn)行完全復(fù)制等操作。
以下是使用Python獲取PDF文本的頁面坐標(biāo)位置的操作步驟示例：

1. 導(dǎo)入所需模塊：PdfDocument、PdfTextFinder、PdfTextFindOptions和TextFindParameter。
2. 創(chuàng)建PdfDocument實(shí)例，使用PdfDocument.LoadFromFile()方法載入用于操作的PDF文檔。
3. 使用PdfDocument.Pages.get_Item()獲取指定頁面頁面，或循環(huán)文檔所有頁面循環(huán)頁面。
4. 使用頁面創(chuàng)建PdfTextFinder實(shí)例。
5. 創(chuàng)建PdfTextFindOptions實(shí)例，通過PdfTextFindOptions.Parameter屬性，使用TextFindParameter指定查找選項。
6. 通過PdfTextFinder.Options應(yīng)用查找選項。
7. 使用PdfTextFinder.Find(str: text)方法在頁面上查找指定文本。
8. 判斷是否有查找結(jié)果。如果有，則遍歷查找結(jié)果，使用PdfTextFragment.Positions[0].X和PdfTextFragment.Positions[0].Y屬性獲取文本的坐標(biāo)。
9. 輸出結(jié)果，或?qū)ξ谋具M(jìn)行其他操作。

代碼示例

from spire.pdf import PdfDocument, PdfTextFinder, PdfTextFindOptions, TextFindParameter

# 創(chuàng)建一個 PdfDocument 實(shí)例
pdf = PdfDocument()

# 加載一個 PDF 文檔
pdf.LoadFromFile("Sample.pdf")

textFound = False # 標(biāo)志，用于檢查是否找到文本
# 遍歷所有頁
for i in range(pdf.Pages.Count):
    # 獲取一頁
    page = pdf.Pages.get_Item(i)

    # 創(chuàng)建一個 PdfTextFinder 實(shí)例
    finder = PdfTextFinder(page)

    # 設(shè)置搜索選項
    options = PdfTextFindOptions()
    options.Parameter = TextFindParameter.WholeWord  # 搜索完整單詞
    finder.Options = options

    # 查找文本
    results = finder.Find("History and Cultural Significance")
    # 檢查是否找到文本
    if len(results) > 0:
        textFound = True  # 標(biāo)記為已找到
        # 遍歷所有結(jié)果
        for text in results:
            # 獲取起始坐標(biāo)
            x = text.Positions[0].X
            y = text.Positions[0].Y
            # 獲取結(jié)束坐標(biāo)
            x2 = text.Positions[-1].X
            print("在第 " + str(i+1) + " 頁找到文本，坐標(biāo)：\n" + "X: " + str(x) + "\nY: " + str(y) + "\n")
# 如果沒有找到文本，打印未找到的消息
if not textFound:
    print("未找到文本。")

pdf.Close()

結(jié)果

用Python獲取PDF頁面指定圖像的坐標(biāo)位置

我們可以使用PdfPageBase.ImagesInfo屬性獲取指定PDF頁面的圖片信息列表，然后遍歷列表獲取，使用PdfImageInfo.Bounds.X和PdfImageInfo.Bounds.Y屬性獲取圖片的起始坐標(biāo)。此外，我們還可以使用PdfImageInfo.Image屬性直接獲取圖片為Stream，從而進(jìn)行保存、復(fù)制等操作。
以下是獲取PDF圖片的頁面坐標(biāo)位置的操作步驟示例：

1. 導(dǎo)入所需模塊：PdfDocument。
2. 創(chuàng)建PdfDocument實(shí)例，使用PdfDocument.LoadFromFile()方法載入用于操作的PDF文檔。
3. 使用PdfDocument.Pages.get_Item()獲取指定頁面頁面，或循環(huán)文檔所有頁面循環(huán)頁面。
4. 使用PdfPageBase.ImagesInfo屬性獲取頁面的圖片信息列表。
5. 判斷頁面是否包含圖片。如果包含，則遍歷圖片信息列表，使用PdfImageInfo.Bounds.X和PdfImageInfo.Bounds.Y屬性獲取圖片的起始坐標(biāo)。
6. 輸出結(jié)果，或?qū)D像進(jìn)行其他操作。

代碼示例

from spire.pdf import PdfDocument

# 創(chuàng)建一個 PdfDocument 實(shí)例
pdf = PdfDocument()

# 加載一個 PDF 文檔
pdf.LoadFromFile("G:/Documents/Sample.pdf")

imageFound = False  # 標(biāo)志，用于指示是否找到圖片
# 遍歷所有頁
for i in range(pdf.Pages.Count):
    # 獲取一頁
    page = pdf.Pages.get_Item(i)
    # 獲取頁面中的圖片信息
    imagesInfo = page.ImagesInfo
    # 檢查頁面是否包含圖片
    if len(imagesInfo) > 0:
        imageFound = True  # 標(biāo)記為已找到圖片
        # 遍歷所有圖片
        for j in range(len(imagesInfo)):
            # 獲取圖片信息
            imageInfo = page.ImagesInfo[j]
            # 獲取圖片的坐標(biāo)
            x = imageInfo.Bounds.X
            y = imageInfo.Bounds.Y
            # 打印坐標(biāo)信息
            print(f"第 {i + 1} 頁的第 {j + 1} 張圖片。坐標(biāo)：\nX={x}, Y={y}")
# 如果沒有找到任何圖片，打印未找到圖片的消息
if not imageFound:
    print("文檔中沒有圖片。")
pdf.Close()

結(jié)果

本文介紹如何使用Python或PDF文檔中文本和圖片在頁面上的坐標(biāo)，從而確定其精確位置。

到此這篇關(guān)于使用Python獲取PDF文本和圖片的精確位置的操作方法的文章就介紹到這了,更多相關(guān)Python獲取PDF文本和圖片位置內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論