在Python中从PDF中提取页面大小

我想读一份PDF，并得到一些它的页面列表和每个页面的大小。我不需要以任何方式操纵它，只要阅读它

目前正在试用pyPdf，它做了我需要的一切，除了一种获取页面大小的方法。了解到我可能需要反复阅读，因为pdf文档中的页面大小可能会有所不同。是否有其他图书馆/方法可供我使用

我试着使用PIL，一些在线菜谱甚至有d=Image（imagefilename）的用法，但它从来没有读过我的PDF——它读过我扔给它的所有东西——甚至一些我不知道PIL可以做的事情

感谢您的指导-我使用的是windows 7 64、python25（因为我也使用GAE），但我很乐意在Linux或更现代的Pythis上使用它。

这可以通过以下方式完成：

---

（以前称为并仍然参考其文档。）

另一种方法是使用popplerqt4

doc = popplerqt4.Poppler.Document.load('/path/to/my.pdf')
qsizedoc = doc.page(0).pageSize()
h = qsizedoc.height() # given in pt,  1pt = 1/72 in
w = qsizedoc.width() 

对于pdfminer python 3.x（pdfminer.six）（未在python 2.7上尝试）：

parser=PDFParser（打开（pdfPath，'rb'））
doc=PDFDocument（解析器）
PageSizeList=[]
对于PDFPage中的页面。创建页面（文档）：
打印（page.mediabox）#时使用：

长度以点为单位（1磅=1/72英寸）。格式为
['0'，'0'，宽度，高度]
（谢谢！）。
带有：

input1=PdfileReader（文件（'example.pdf'，'rb'）对我来说是这样的。对我来说不起作用；我得到TypeError:'str'对象不能作为错误调用。[0，0，width，height]@Astrophe是正确的，但有一个更可读的（但没有文档记录）解决方案。如果您查看一下，您会发现
RectangleObject
类有两个方便的方法，包括
getWidth（）
（和
getHeight（）
），这比
mediaBox[2]好得多
使用的是什么单位？对我也适用。你知道
mediabox
和
cropbox
之间的区别吗？简而言之，mediabox是整个页面的大小，包括白边。cropbox是页面的大小+应用程序用于执行任何功能的任何区域。签出“长度以点为单位”除非页面包含一个UserUnit条目，该条目可用于更改此处的单位。无可否认，此选项仅很少使用。我尝试过此选项，但有时无法提取信息，而PyMuPDF（cges30901的答案）一直表现良好。原因是pdfrw无法提取“/MediaBox”某个时候从pdf文件中输入（wierd）。除了
doc.loadPage（0）
之外，您还可以简单地编写
doc[0]
：-）
page
这里还有一个返回大小的属性
MediaBoxSize
。这是读取PDF文件最快的包装库
CropBox
属性
page
对象将未旋转的大小作为
Rect
对象返回。
Rect
具有
width
和
height
属性。这是一种快速获取相关位的方法。
doc = popplerqt4.Poppler.Document.load('/path/to/my.pdf')
qsizedoc = doc.page(0).pageSize()
h = qsizedoc.height() # given in pt,  1pt = 1/72 in
w = qsizedoc.width() 

parser = PDFParser(open(pdfPath, 'rb'))
doc = PDFDocument(parser)
pageSizesList = []
for page in PDFPage.create_pages(doc):
    print(page.mediabox) # <- the media box that is the page size as list of 4 integers x0 y0 x1 y1
    pageSizesList.append(page.mediabox) # <- appending sizes to this list. eventually the pageSizesList will contain list of list corresponding to sizes of each page

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

>>> import fitz
>>> doc = fitz.open("example.pdf")
>>> page = doc.loadPage(0)
>>> print(page.MediaBox)
Rect(0.0, 0.0, 595.0, 842.0) #format is (0.0, 0.0, width, height) if page is not rotated