python Document什么意思

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。

概况

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。borb于 2022.06 新加入对比，其时间点以此为准。

• 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

点评

• 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。

最后以下图结束本文。