基于Flask与PyMuPDF的PDF文本编辑/修改/替换实现技术求助

核心思路 #

PDF的文本存储是基于页面布局的（非流式文档），无法直接"替换"原有文本，只能通过定位目标文本区域→覆盖原有内容→写入转换后的新文本的方式实现效果。以下是用PyMuPDF（fitz）实现的具体步骤：

具体实现代码 #

1. 货币替换核心逻辑

import fitz
import re

# 模拟货币转换逻辑（实际可对接公开汇率API）
def convert_currency(amount, from_currency, to_currency):
    # 示例汇率映射，可根据需求扩展
    rate_map = {
        "USD": {"CNY": 7.2, "EUR": 0.92},
        "EUR": {"CNY": 7.83, "USD": 1.09},
        "CNY": {"USD": 0.14, "EUR": 0.13}
    }
    return round(amount * rate_map[from_currency][to_currency], 2)

def replace_currency_in_pdf(input_pdf_path, output_pdf_path, target_currency):
    doc = fitz.open(input_pdf_path)
    # 匹配常见货币格式：$100.00、€250、USD 50.5、¥1200
    currency_pattern = re.compile(r'(\$|€|¥|USD|EUR|CNY)\s*(\d+\.?\d*)')
    
    for page in doc:
        # 查找所有匹配货币规则的文本区域
        text_boxes = page.search_for(currency_pattern)
        for box in text_boxes:
            # 提取原文本内容
            original_text = page.get_textbox(box).strip()
            match_result = currency_pattern.match(original_text)
            if not match_result:
                continue
            
            original_curr, amount_str = match_result.groups()
            amount = float(amount_str)
            # 统一货币代码格式（去除符号）
            base_curr = original_curr.strip('$€¥')
            
            # 执行货币转换
            converted_amount = convert_currency(amount, base_curr, target_currency)
            new_text = f"{target_currency} {converted_amount}"
            
            # 用白色矩形覆盖原文本区域，避免重叠
            page.draw_rect(box, color=(1,1,1), fill=(1,1,1))
            # 在原位置写入新文本（可调整字体大小匹配原排版）
            page.insert_text(box.tl, new_text, fontsize=10, color=(0,0,0))
    
    doc.save(output_pdf_path)
    doc.close()

2. Flask集成示例

from flask import Flask, request, send_file
import os

app = Flask(__name__)
UPLOAD_DIR = 'temp_uploads'
os.makedirs(UPLOAD_DIR, exist_ok=True)

@app.route('/process-pdf', methods=['POST'])
def process_pdf():
    if 'pdf' not in request.files:
        return "未上传PDF文件", 400
    
    target_curr = request.form.get('target_currency', 'CNY')
    pdf_file = request.files['pdf']
    input_path = os.path.join(UPLOAD_DIR, pdf_file.filename)
    output_path = os.path.join(UPLOAD_DIR, f"currency_converted_{pdf_file.filename}")
    
    pdf_file.save(input_path)
    replace_currency_in_pdf(input_path, output_path, target_curr)
    
    return send_file(output_path, as_attachment=True)

if __name__ == '__main__':
    app.run(debug=True)

关键注意事项 #

• 字体匹配：如果原PDF使用特殊字体，默认insert_text的字体可能导致排版差异，可通过fitz.Font()加载原字体文件（需确保字体可访问）
• 位置微调：box.tl是文本块左上角坐标，若新文本长度与原文本差异大，可适当调整坐标避免内容溢出
• 正则优化：根据实际业务中出现的货币格式，调整正则表达式覆盖更多场景
• 性能优化：处理大体积PDF时，可分批次处理页面，避免内存占用过高

内容的提问来源于stack exchange，提问作者abhinav srivastava