Narzędzia do PDF w Pythonie: przegląd bibliotek

Kacper Sieradziński
Kacper Sieradziński
22 stycznia 2025Edukacja2 min czytania

Wybierając bibliotekę do pracy z plikami PDF w Pythonie, szybko zorientujesz się, że dostępnych jest wiele opcji, z których każda ma swoje mocne strony, ograniczenia i najlepsze zastosowania. Niektóre biblioteki są idealne do prostego łączenia dokumentów, inne lepiej sprawdzają się przy zaawansowanej ekstrakcji tekstu, a jeszcze inne dominują w generowaniu PDF od zera. Poniżej znajdziesz praktyczny przegląd najpopularniejszych narzędzi, który pomoże Ci wybrać właściwą bibliotekę do Twojego konkretnego przypadku użycia i uniknąć typowych pułapek związanych z nieodpowiednim doborem narzędzi.

Obraz główny Narzędzia do PDF w Pythonie: przegląd bibliotek

pypdf (dawniej PyPDF2)

Najlepsze dla: Łączenie, dzielenie, rotacja, dodawanie zakładek

Python
1
2
3
4
5
6
7
8
9
10
11
12
# Instalacja: pip install pypdf
from pypdf import PdfReader, PdfWriter

# Zalety biblioteki pypdf:
# - Prosty interfejs
# - Dobra obsługa metadanych
# - Łączenie i dzielenie dokumentów
# - Dodawanie zakładek

# Wady biblioteki pypdf:
# - Podstawowa ekstrakcja tekstu
# - Problemy z niektórymi skomplikowanymi PDF-ami

Kiedy używać: Łączenie/dzielenie dokumentów, manipulacja stronami, dodawanie zakładek.

pdfminer.six

Najlepsze dla: Zaawansowana ekstrakcja tekstu i layoutu

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
# Instalacja: pip install pdfminer.six
from pdfminer.high_level import extract_text
from pdfminer.layout import LAParams

# Zalety biblioteki pdfminer.six:
# - Najlepsza ekstrakcja tekstu
# - Pełna kontrola nad layoutem
# - Obsługa skomplikowanych PDF-ów
# - Ekstrakcja obrazów

# Wady biblioteki pdfminer.six:
# - Tylko odczyt (nie zapis)
# - Bardziej złożony interfejs

Kiedy używać: Ekstrakcja tekstu z złożonych PDF-ów, analiza layoutu.

reportlab

Najlepsze dla: Generowanie PDF od zera

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
# Instalacja: pip install reportlab
from reportlab.pdfgen import canvas
from reportlab.lib.pagesizes import letter

# Zalety biblioteki reportlab:
# - Pełna kontrola nad generowaniem PDF
# - Rysowanie, tabele, grafika
# - Własne fonty i style
# - Obsługa obrazów

# Wady biblioteki reportlab:
# - Tylko generowanie (nie odczyt)
# - Więcej kodu niż w innych bibliotekach

Kiedy używać: Generowanie raportów, faktur, dokumentów od zera.

WeasyPrint

Najlepsze dla: Konwersja HTML/CSS do PDF

Python
1
2
3
4
5
6
7
8
9
10
11
# Instalacja: pip install weasyprint
from weasyprint import HTML

# Zalety biblioteki WeasyPrint:
# - Konwersja HTML do PDF
# - Obsługa CSS
# - Wysoka jakość renderowania

# Wady biblioteki WeasyPrint:
# - Wymaga HTML jako źródła
# - Czasem problemy z JavaScript

Kiedy używać: Konwersja stron HTML do PDF, generowanie PDF z szablonów.

PyMuPDF (fitz)

Najlepsze dla: Zaawansowane operacje i wydajność

Python
1
2
3
4
5
6
7
8
9
10
11
12
# Instalacja: pip install PyMuPDF
import fitz# PyMuPDF

# Zalety biblioteki PyMuPDF:
# - Bardzo szybka
# - Pełna kontrola nad PDF
# - Rysowanie i manipulacja
# - OCR support

# Wady biblioteki PyMuPDF:
# - Inne nazewnictwo (fitz zamiast standardowych)
# - Większy rozmiar biblioteki

Kiedy używać: Wydajność jest kluczowa, zaawansowane manipulacje.

Porównanie bibliotek

BibliotekaOdczytZapisŁączenieEkstrakcja tekstuGenerowaniePrędkość
pypdf✅✅✅✅✅❌⚡⚡
pdfminer.six✅✅❌❌✅✅✅❌⚡
reportlab❌✅❌❌✅✅✅⚡⚡
WeasyPrint❌✅❌❌✅✅⚡
PyMuPDF✅✅✅✅✅✅✅✅✅✅⚡⚡⚡

Zalecenia użycia

Scenariusz 1: Łączenie dokumentów

Python
1
2
# Użyj: pypdf
from pypdf import PdfMerger

Scenariusz 2: Ekstrakcja tekstu

Python
1
2
# Użyj: pdfminer.six (dla złożonych) lub pypdf (dla prostych)
from pdfminer.high_level import extract_text

Scenariusz 3: Generowanie raportów

Python
1
2
# Użyj: reportlab
from reportlab.pdfgen import canvas

Scenariusz 4: Konwersja HTML do PDF

Python
1
2
# Użyj: WeasyPrint
from weasyprint import HTML

Scenariusz 5: Wysoka wydajność

Python
1
2
# Użyj: PyMuPDF
import fitz

Przykład: kombinowanie bibliotek

Czasami warto użyć kilku bibliotek razem:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
from pdfminer.high_level import extract_text
from pypdf import PdfMerger
from reportlab.pdfgen import canvas

# 1. Ekstrakcja tekstu z pdfminer
text = extract_text("dokument.pdf")

# 2. Przetwarzanie tekstu...
processed_text = text.upper()

# 3. Generowanie nowego PDF z reportlab
c = canvas.Canvas("nowy.pdf")
c.drawString(100, 750, processed_text)
c.save()

# 4. Łączenie z innymi dokumentami używając pypdf
merger = PdfMerger()
merger.append("nowy.pdf")
merger.append("inne.pdf")
merger.write("polaczony.pdf")
merger.close()

Instalacja wszystkich narzędzi

Bash
1
pip install pypdf pdfminer.six reportlab weasyprint PyMuPDF

Podsumowanie

  • pypdf: Najprostszy wybór do podstawowych operacji
  • pdfminer.six: Najlepszy do ekstrakcji tekstu
  • reportlab: Najlepszy do generowania PDF
  • WeasyPrint: Najlepszy do konwersji HTML
  • PyMuPDF: Najszybszy i najbardziej funkcjonalny

Wybór biblioteki zależy od Twojego konkretnego przypadku użycia.

➡️ Następny artykuł

Po opanowaniu pracy z PDF, przejdź do automatyzacji arkuszy kalkulacyjnych:

Automatyzacja Excela w Pythonie: odczyt, zapis, walidacja danych — kompleksowy przewodnik po pracy z Excel w Pythonie, od podstawowych operacji po generowanie zaawansowanych raportów.