在Python中提取PDF页面大小

Question

我想读取一个PDF文件，并获取它的每一页以及每一页的大小。我并不需要对它进行任何操作，只是想读取内容。

目前我在尝试使用pyPdf，这个库能满足我大部分需求，除了无法获取页面大小。我知道可能需要逐页查看，因为PDF文档中的页面大小可能会有所不同。有没有其他的库或者方法可以使用呢？

我试过使用PIL，有些网上的教程甚至提到用d=Image(imagefilename)的方式，但它从来没有读取到我的PDF文件——它能读取我给它的其他所有文件，甚至一些我都不知道PIL能处理的东西。

如果有人能提供一些建议，我会很感激——我现在是在Windows 7 64位上，使用的是Python 2.5（因为我还做一些GAE的工作），不过我也乐意在Linux或者更新的Python版本上进行尝试。

Answer 1

使用 pdfrw 这个库：

>>> from pdfrw import PdfReader
>>> pdf = PdfReader('example.pdf')
>>> pdf.pages[0].MediaBox
['0', '0', '595.2756', '841.8898']

长度是用点来表示的（1点 = 1/72英寸）。格式是 [x0, y0, x1, y1] （感谢，mara004！）。

Answer 2

更新于2023年8月30日：提供示例pdf，添加裁剪框信息。

更新于2021年7月22日：原来的回答并不总是正确，所以我更新了我的回答。

使用PyMuPDF时：

>>> import fitz
>>> doc = fitz.open("example.pdf")
>>> page = doc[0]
>>> print(page.rect.width, page.rect.height)
284.0 473.0
>>> print(page.mediabox.width, page.mediabox.height)
595.304 841.89
>>> print(page.cropbox.width, page.cropbox.height)
473.0 284.0

在PyMuPDF中，mediabox、cropbox和rect的返回值都是一种叫做Rect的类型，它有“宽度”和“高度”这两个属性。对于大多数人来说，rect可能是最有用的。

这三者在大多数情况下是相同的，但有时它们会有很大不同：cropbox和rect是页面的可见区域（也就是你在普通pdf查看器中看到的内容），而mediabox则是物理介质的大小。

cropbox和rect之间的一个区别是，cropbox在文档中与/CropBox相同，并且在页面旋转时不会改变。而rect会受到旋转的影响。想了解更多关于PyMuPDF中不同框的信息，可以查看术语表。还可以参考PDF文档 14.11.2.1。

示例pdf可以在这里下载。

Answer 3

这可以通过 pypdf 来实现：

>>> from pypdf import PdfReader
>>> reader = PdfReader('example.pdf')
>>> box = reader.pages[0].mediabox
>>> box
RectangleObject([0, 0, 612, 792])
>>> box.width
Decimal('612')
>>> box.height
Decimal('792')

（之前叫做 pyPdf / PyPDF2）