如何使用Fitz无需本地下载编辑Azure Blob Storage中的PDF

需求说明 #

我有一份存储在Azure Blob Storage中的PDF文件，需要对其中部分内容添加高亮标注，之后将修改后的新PDF文件存回Azure Blob Storage。此前尝试的伪代码无法直接对接Blob存储，需解决读取和写入的具体实现问题。

解决方案 #

结合PyMuPDF（fitz）处理PDF编辑，以及Azure Blob Storage SDK完成文件的读取与上传，通过字节流实现本地无文件落地的操作。

步骤1：安装依赖 #

需要安装两个核心库：

pip install pymupdf azure-storage-blob

步骤2：完整实现代码 #

import fitz
from azure.storage.blob import BlobServiceClient

def edit_pdf_in_blob(connection_string, container_name, source_blob_name, target_blob_name):
    # 初始化Blob服务客户端
    blob_service_client = BlobServiceClient.from_connection_string(connection_string)
    container_client = blob_service_client.get_container_client(container_name)
    
    # 1. 从Blob Storage读取PDF为字节流
    source_blob_client = container_client.get_blob_client(source_blob_name)
    pdf_bytes = source_blob_client.download_blob().readall()
    
    # 加载PDF到PyMuPDF文档对象
    doc = fitz.open("pdf", pdf_bytes)
    
    # 2. 编辑PDF（替换为你已有的高亮逻辑）
    # 示例高亮代码（可按需修改）：
    page = doc[0]  # 获取第一页
    target_text = "需要高亮的目标文本"
    text_positions = page.search_for(target_text)
    for pos in text_positions:
        page.add_highlight_annot(pos)
    
    # 3. 将修改后的PDF转为字节流
    output_bytes = doc.tobytes()
    doc.close()
    
    # 4. 上传字节流到Blob Storage
    target_blob_client = container_client.get_blob_client(target_blob_name)
    target_blob_client.upload_blob(output_bytes, overwrite=True)

# 调用示例
if __name__ == "__main__":
    # 替换为你的Azure Blob配置信息
    CONNECTION_STRING = "你的Azure Blob连接字符串"
    CONTAINER_NAME = "你的容器名称"
    SOURCE_BLOB_NAME = "原始PDF文件名.pdf"
    TARGET_BLOB_NAME = "修改后的PDF文件名.pdf"
    
    edit_pdf_in_blob(CONNECTION_STRING, CONTAINER_NAME, SOURCE_BLOB_NAME, TARGET_BLOB_NAME)

关键说明 #

• 读取Blob：通过download_blob().readall()获取PDF字节数据，直接传入fitz.open()（指定格式为"pdf"），无需下载到本地文件。
• 编辑操作：保留你已有的高亮代码逻辑即可，PyMuPDF的文档对象操作不受数据源影响。
• 保存回Blob：使用doc.tobytes()将修改后的文档转为字节流，再通过upload_blob()上传到目标Blob，overwrite=True支持覆盖已存在的文件。

内容的提问来源于stack exchange，提问作者newbie101