是否可以将AI模型生成的字幕放回pdf文件中？

Question

我有一个包含多个页面的 pdf，其中每个页面都包含文本和/或图像。我找到了从 pdf 文件中提取图像的方法，并且找到了使用 AI 模型生成图像标题的方法。但是是否可以将AI模型生成的字幕放回到pdf文件中对应的图像中呢？如果可能的话，我应该使用什么库？或者有人知道如何编码吗？预先感谢您！

Answer 1

您可以使用 PyMuPDF 将文本写入 PDF 页面......以多种方式。

注意：我是PyMuPDF的维护者和原始创建者。

您需要先找到页面上的图片位置。然后决定一个矩形（例如图像边界框的上方或下方）来接收标题文本。

例如，假设图像边界框称为

bbox

，则定义

rect = (bbox.x0, bbox.y1, bbox.x1, bbox.y1 + 20)

。这是图像下方的一个矩形，与bbox宽度相同，高度为20。

然后使用标题文本执行

page.insert_htmlbox(rect, caption)

。

该方法还允许您通过 HTML 样式指令对齐（例如居中）标题文本，例如

page.insert_htmlbox(rect, caption, css="* {text-align: center;}")

。

如果您需要更多详细信息（例如查找图像 bbox），请告诉我。