如何用Python提取PDF表单中的复选框选中状态？

PyMuPDF（又称fitz）是处理这类问题的更优选择，它对PDF交互式表单的控件（包括复选框）支持更完善，能直接识别并提取复选框的选中状态。

步骤1：安装PyMuPDF #

pip install pymupdf

步骤2：编写提取代码 #

import fitz

# 打开目标PDF文件
doc = fitz.open("Standard Application.pdf")

# 遍历PDF的所有页面（若表单仅在特定页面，可直接指定页码如doc[0]）
for page_num in range(len(doc)):
    page = doc[page_num]
    # 获取当前页面的所有表单控件
    widgets = page.widgets()
    for widget in widgets:
        # 筛选出复选框类型的控件
        if widget.field_type == fitz.PDF_WIDGET_TYPE_CHECKBOX:
            # 提取复选框名称与选中状态（1为选中，0为未选中）
            checkbox_name = widget.field_name
            is_selected = widget.field_value
            print(f"页面{page_num+1} - 复选框「{checkbox_name}」: {'已选中' if is_selected else '未选中'}")

# 关闭文档
doc.close()

代码说明 #

• widget.field_type用于判断控件类型，fitz.PDF_WIDGET_TYPE_CHECKBOX对应复选框
• widget.field_value返回1表示复选框被选中，0表示未选中
• widget.field_name对应PDF表单中复选框的命名，可对应到表单的具体选项

相比PyPDF2和pdfminer，PyMuPDF对交互式表单的解析能力更强，能覆盖更多类型的表单控件，适配大多数带复选框的PDF表单场景。

内容的提问来源于stack exchange，提问作者Ksh