使用wxPython和PyMuPDF提取PDF页面指定页数的内容的应用程序

在本篇博客中，我们将探讨如何使用wxPython和PyMuPDF库创建一个简单的Bokeh应用程序，用于选择PDF文件并提取指定页面的内容，并将提取的内容显示在文本框中。
C:\pythoncode\new\pdfgetcontent.py

准备工作

首先，确保你已经安装了以下库：

• wxPython：用于创建桌面应用程序界面。
• PyMuPDF：用于处理PDF文件和提取页面内容。

你可以使用以下命令来安装这些库：

pip install wxPython pymupdf 

创建应用程序界面

我们将使用wxPython来创建应用程序的图形界面。在应用程序窗口中，我们将添加一个选择按钮，一个页码输入框，一个提取按钮和一个文本框用于显示提取的内容。

  def __init__(self):
        super().__init__(None, title="提取PDF页面内容", size=(400, 300))

        panel = wx.Panel(self)
        vbox = wx.BoxSizer(wx.VERTICAL)

        select_button = wx.Button(panel, label="选择PDF文件")
        select_button.Bind(wx.EVT_BUTTON, self.on_select_pdf)
        vbox.Add(select_button, proportion=0, flag=wx.ALIGN_CENTER | wx.ALL, border=10)

        page_label = wx.StaticText(panel, label="页码:")
        vbox.Add(page_label, proportion=0, flag=wx.LEFT, border=10)

        self.page_input = wx.TextCtrl(panel)
        vbox.Add(self.page_input, proportion=0, flag=wx.EXPAND | wx.ALL, border=10)

        extract_button = wx.Button(panel, label="提取内容")
        extract_button.Bind(wx.EVT_BUTTON, self.on_extract_content)
        vbox.Add(extract_button, proportion=0, flag=wx.ALIGN_CENTER | wx.ALL, border=10)

        content_label = wx.StaticText(panel, label="内容:")
        vbox.Add(content_label, proportion=0, flag=wx.LEFT, border=10)

        self.content_text = wx.TextCtrl(panel, style=wx.TE_MULTILINE | wx.TE_READONLY)
        vbox.Add(self.content_text, proportion=1, flag=wx.EXPAND | wx.ALL, border=10)

        panel.SetSizer(vbox)

    def on_select_pdf(self, event):
        dialog = wx.FileDialog(self, message="选择PDF文件", wildcard="PDF files (*.pdf)|*.pdf", style=wx.FD_OPEN)
        if dialog.ShowModal() == wx.ID_OK:
            self.pdf_path = dialog.GetPath()
        dialog.Destroy()

在上述代码中，我们创建了一个名为PDFContentExtractor的类，继承自wx.Frame。在该类中，我们使用Bokeh创建了一个包含选择按钮、页码输入框、提取按钮和内容文本框的布局。我们为选择按钮和提取按钮绑定了相应的事件处理方法。

处理PDF文件选择和内容提取

我们使用wxPython的文件对话框来选择PDF文件，并使用PyMuPDF库来打开和处理PDF文件。当用户选择PDF文件并点击提取按钮时，我们将提取指定页码的内容，并将其显示在内容文本框中。

import wx
import fitz

class MyFrame(wx.Frame):
    def __init__(self):
        super().__init__(None, title="提取PDF页面内容", size=(400, 300))

        panel = wx.Panel(self)
        vbox = wx.BoxSizer(wx.VERTICAL)

        select_button = wx.Button(panel, label="选择PDF文件")
        select_button.Bind(wx.EVT_BUTTON, self.on_select_pdf)
        vbox.Add(select_button, proportion=0, flag=wx.ALIGN_CENTER | wx.ALL, border=10)

        page_label = wx.StaticText(panel, label="页码:")
        vbox.Add(page_label, proportion=0, flag=wx.LEFT, border=10)

        self.page_input = wx.TextCtrl(panel)
        vbox.Add(self.page_input, proportion=0, flag=wx.EXPAND | wx.ALL, border=10)

        extract_button = wx.Button(panel, label="提取内容")
        extract_button.Bind(wx.EVT_BUTTON, self.on_extract_content)
        vbox.Add(extract_button, proportion=0, flag=wx.ALIGN_CENTER | wx.ALL, border=10)

        content_label = wx.StaticText(panel, label="内容:")
        vbox.Add(content_label, proportion=0, flag=wx.LEFT, border=10)

        self.content_text = wx.TextCtrl(panel, style=wx.TE_MULTILINE | wx.TE_READONLY)
        vbox.Add(self.content_text, proportion=1, flag=wx.EXPAND | wx.ALL, border=10)

        panel.SetSizer(vbox)

    def on_select_pdf(self, event):
        dialog = wx.FileDialog(self, message="选择PDF文件", wildcard="PDF files (*.pdf)|*.pdf", style=wx.FD_OPEN)
        if dialog.ShowModal() == wx.ID_OK:
            self.pdf_path = dialog.GetPath()
        dialog.Destroy()

    def on_extract_content(self, event):
        page_num = int(self.page_input.GetValue())
        self.extract_page_content(page_num)

    def extract_page_content(self, page_num):
        doc = fitz.open(self.pdf_path)
        if page_num < 1 or page_num > doc.page_count:
            wx.MessageBox("无效的页码！", "错误", wx.OK | wx.ICON_ERROR)
            return

        page = doc.load_page(page_num - 1)
        text = page.get_text()
        self.content_text.SetValue(text)

        doc.close()


if __name__ == '__main__':
    app = wx.App()
    frame = MyFrame()
    frame.Show()
    app.MainLoop()

# ...

class PDFContentExtractor(wx.Frame):
    # ...

    def on_select_pdf(self):
        dialog = wx.FileDialog(self, message="选择PDF文件", wildcard="PDF files (*.pdf)|*.pdf", style=wx.FD_OPEN)
        if dialog.ShowModal() == wx.ID_OK:
            self.pdf_path = dialog.GetPath()
        dialog.Destroy()

    def on_extract_content(self):
        page_num = int(self.page_input.value)
        self.extract_page_content(page_num)

    def extract_page_content(self, page_num):
        doc = fitz.open(self.pdf_path)
        if page_num < 1 or page_num > doc.page_count:
            self.content_text.text = "无效的页码！"
            return

        page = doc.load_page(page_num - 1)
        text = page.get_text()
        self.content_text.text = text

        doc.close()

# ...

在上述代码中，我们使用wx.FileDialog对话框来选择PDF文件，并将选择的文件路径存储在self.pdf_path变量中。

在on_extract_content方法中，我们获取输入框中的页码，并调用extract_page_content方法来提取指定页码的内容。

在extract_page_content方法中，我们使用PyMuPDF打开并读取PDF文件。然后，我们通过doc.load_page方法加载指定页码的页面，并使用get_text方法获取该页的文本内容。最后，我们将提取的内容设置到文本框content_text中。

运行应用程序

if __name__ == '__main__':
    app = wx.App()
    frame = PDFContentExtractor()
    frame.Show()
    app.MainLoop()

在上述代码中，我们创建了一个wx.App实例，并实例化了PDFContentExtractor类。然后，我们显示应用程序窗口，并通过调用app.MainLoop()来启动应用程序的事件循环。

结论

通过本篇博客，我们学习了如何使用wxPython和PyMuPDF创建用于选择PDF文件并提取指定页面的内容。我们还了解了如何使用Bokeh来创建交互式应用程序界面，并通过事件处理方法来处理用户的选择和操作。