使用Fitz在带注释的文本周围裁切pdf区域

问题描述

问题陈述

阅读pdf并搜索单词。
如果找到了单词，请对该单词进行注释，并从pdf文件中的注释文本周围裁剪一个区域。
每个裁剪的图像应仅具有一个注释。

库和版本

python-3.6
fitz-0.0.1.dev2
pymupdf-1.17.5

问题面对

对于前两个迭代，注释是完美的，并且裁剪也可以按预期完美地工作。但是，通过迭代文本实例中搜索词的下一次出现，然后在该区域周围进行裁剪，并且搜索词的注释也会失败。找不到解决此问题的方法。

def cropPdf( pdfName,word):
    c=0
    # opening the pdf file using fitz
    fitz_doc=fitz.open(pdfName)

    # getting first page of the doc
    fitz_page=fitz_doc[0]
    # finding all instances where the searchword is found
    text_instances=fitz_page.searchFor(word)
    # Iterating through each text instances  
    for text_cord in text_instances:
        c=c+1
        pdfPath = "./" + pdfName + ".pdf"
        # To add highlight(Rectangle Annotation) around the search word
        highlight = fitz_page.addRectAnnot(text_cord)
        # getting the bounding Box cordinate
        x0,y0,x1,y1=highlight.rect
        # here i set the cropping area around the annotated text
        fitz_page.setCropBox(fitz.Rect(x0+600,y0+600,x0-600,y0-600))
        #
        pix=fitz_page.getpixmap()
        print(fitz_page.number)
        base_name_highlight="output"+str(c)+".png"
        # saving the cropped area as png file
        pix.writeImage("./highlight_folder/"+base_name_highlight)
        # Deleting the marked annotation which helps me to avoid duplicate annotation inside a cropped area,# when starting to annotate the next occurence of the word to annotate while iterating.
        fitz_page.deleteAnnot(highlight)

cropPdf(pdfName="A4_4.pdf",word="INSULATION")

结果图像

所有裁剪后的图像的预期输出
裁剪时为假情况

解决方法

对裁剪框的更改可能会影响页面的所有坐标。因此，在进入注释循环之前，我应该在变量中指定cropbox的初始状态。在每次迭代结束时，我都应重置为初始的裁剪框，这将有助于在不更改坐标的情况下注释下一次发生的情况

pdf pymupdf python