使用 PyPDF2 裁剪 pdf

Question

我一直在从事一个项目，在该项目中我使用神经网络从 pdf 中提取 table 数据，我成功检测到 tables 并获得它们的坐标 (x,y,width,height) ，我一直在尝试使用 pypdf2 裁剪 pdf 以隔离 table 但由于某种原因裁剪与期望的结果。运行推断后我得到这些坐标

[[5.0948269e+01, 1.5970685e+02, 1.1579385e+03, 2.7092386e+02 9.9353129e-01]]

第 5 个数字是我的神经网络精度，我们可以放心地忽略它

在 pyplot 中尝试它们有效，所以它们没有问题：

但是在 pypdf2 中使用相同的坐标总是关闭的

from PyPDF2 import PdfFileWriter, PdfFileReader

with open("mypdf.pdf", "rb") as in_f:
    input1 = PdfFileReader(in_f)
    output = PdfFileWriter()

    numPages = input1.getNumPages()

    for i in range(numPages):
        page = input1.getPage(i)
        page.cropBox.upperLeft = (5.0948269e+01,1.5970685e+02)
        page.cropBox.upperLeft = (1.1579385e+03, 2.7092386e+02)
     
        
        output.addPage(page)
        with open("out.pdf", "wb") as out_f:
          output.write(out_f)

这是我得到的输出：

我错过了什么吗？

谢谢！

Answer 1

给你：

from PyPDF2 import PdfFileWriter, PdfFileReader

with open("mypdf.pdf", "rb") as in_f:
    input1 = PdfFileReader(in_f)
    output = PdfFileWriter()

    numPages = input1.getNumPages()

    x, y, w, h = (5.0948269e+01, 1.5970685e+02, 1.1579385e+03, 2.7092386e+02)

    page_x, page_y = input1.getPage(0).cropBox.getUpperLeft()
    upperLeft = [page_x.as_numeric(), page_y.as_numeric()] # convert PyPDF2.FloatObjects into floats
    new_upperLeft  = (upperLeft[0] + x, upperLeft[1] - y)
    new_lowerRight = (new_upperLeft[0] + w, new_upperLeft[1] - h)

    for i in range(numPages):
        page = input1.getPage(i)
        page.cropBox.upperLeft  = new_upperLeft
        page.cropBox.lowerRight = new_lowerRight

        output.addPage(page)

    with open("out.pdf", "wb") as out_f:
        output.write(out_f)

注意：在PyPDF2中，坐标原点位于页面的左下角。并且 Y 轴是从下往上指向的。不像在屏幕上。因此，如果您想获得裁剪区域顶部边缘的 PDF 坐标，您需要从页面高度中减去裁剪区域顶部边缘的 y 坐标。

使用 PyPDF2 裁剪 pdf

crop a pdf with PyPDF2

python

matplotlib

pypdf2