使用 PyPDF2 裁剪 pdf

Question

我一直在研究一个项目，其中我使用神经网络从pdf中提取表格数据，我成功检测表格并获取它们的坐标（x，y，宽度，高度），我一直在尝试使用pypdf2裁剪pdf隔离表格，但由于某种原因，裁剪永远不会符合预期的结果。运行推理后我得到这些坐标

[[5.0948269e+01、1.5970685e+02、1.1579385e+03、2.7092386e+02 9.9353129e-01]]

第 5 个数字是我的神经网络精度，我们可以安全地忽略它

在 pyplot 中尝试它们是可行的，所以它们没有问题：

但是在 pypdf2 中使用相同的坐标始终是关闭的

from PyPDF2 import PdfFileWriter, PdfFileReader

with open("mypdf.pdf", "rb") as in_f:
    input1 = PdfFileReader(in_f)
    output = PdfFileWriter()

    numPages = input1.getNumPages()

    for i in range(numPages):
        page = input1.getPage(i)
        page.cropBox.upperLeft = (5.0948269e+01,1.5970685e+02)
        page.cropBox.upperLeft = (1.1579385e+03, 2.7092386e+02)
     
        
        output.addPage(page)
        with open("out.pdf", "wb") as out_f:
          output.write(out_f)

这是我得到的输出：

我错过了什么吗？

谢谢 ！

Answer 1

干得好：

from PyPDF2 import PdfFileWriter, PdfFileReader

with open("mypdf.pdf", "rb") as in_f:
    input1 = PdfFileReader(in_f)
    output = PdfFileWriter()

    numPages = input1.getNumPages()

    x, y, w, h = (5.0948269e+01, 1.5970685e+02, 1.1579385e+03, 2.7092386e+02)

    page_x, page_y = input1.getPage(0).cropBox.getUpperLeft()
    upperLeft = [page_x.as_numeric(), page_y.as_numeric()] # convert PyPDF2.FloatObjects into floats
    new_upperLeft  = (upperLeft[0] + x, upperLeft[1] - y)
    new_lowerRight = (new_upperLeft[0] + w, new_upperLeft[1] - h)

    for i in range(numPages):
        page = input1.getPage(i)
        page.cropBox.upperLeft  = new_upperLeft
        page.cropBox.lowerRight = new_lowerRight

        output.addPage(page)

    with open("out.pdf", "wb") as out_f:
        output.write(out_f)

注意：在 PyPDF2 中，坐标原点放置在页面的左下角。Y 轴方向是从下到上。不像屏幕上那样。因此，如果您想获取裁剪区域上边缘的 PDF 坐标，则需要从页面高度中减去裁剪区域上边缘的 y 坐标。