Cách làm việc với dữ liệu PDF trong Python

Aspose.PDF FOSS cho Python biểu diễn siêu dữ liệu XMP của tài liệu PDF dưới dạng mô hình dữ liệu trong bộ nhớ được xây dựng từ các đối tượng XmpPacket, XmpField, XmpArray, XmpStruct và XmpProperty, với NamespaceProvider giải quyết tiền tố không gian tên thành URI. Điều này cho phép bạn đọc, tạo và ghi lại siêu dữ liệu có cấu trúc — tiêu đề, ngày tháng, danh sách từ khóa, trường tùy chỉnh — mà không cần viết tay RDF/XML. Thư viện này hoàn toàn Python và được cài đặt bằng lệnh dưới đây.

Hướng dẫn từng bước

git clone https://github.com/aspose-pdf-foss/Aspose-PDF-FOSS-for-Python.git
cd Aspose-PDF-FOSS-for-Python
pip install -e .

from aspose_pdf import XmpPacket
print("aspose-pdf-foss-for-python is ready.")

from aspose_pdf import (
    NamespaceProvider,
    XmpArray,
    XmpField,
    XmpPacket,
    XmpProperty,
    XmpStruct,
)

from aspose_pdf import XmpPacket

packet = XmpPacket()
packet.set_value("dc", "title", "Quarterly Report")
packet.set_value(
    "dc", "creator", "Automation Pipeline",
    uri="http://purl.org/dc/elements/1.1/",
)

title_field = packet.get("dc", "title")
print(title_field.value)  # "Quarterly Report"

from datetime import datetime

packet.set_date("xmp", "CreateDate", datetime(2026, 7, 29, 9, 30))
packet.set_int("pdf", "PageCount", 42)
packet.set_real("custom", "ConfidenceScore", 0.97, uri="https://example.com/ns/custom/1.0/")
packet.set_bool("custom", "IsFinal", True, uri="https://example.com/ns/custom/1.0/")

print(packet.get_date("xmp", "CreateDate"))
print(packet.get_int("pdf", "PageCount"))
print(packet.get_real("custom", "ConfidenceScore"))
print(packet.get_bool("custom", "IsFinal"))

packet.set_localized_text("dc", "description", "Quarterly summary", lang="en")
packet.set_localized_text(
    "dc", "description", "Resumen trimestral",
    uri="http://purl.org/dc/elements/1.1/", lang="es",
)
print(packet.get_localized_text("dc", "description", lang="es"))

packet.set_array("dc", "subject", ["finance", "quarterly", "internal"], kind="Bag")
print(packet.get_array("dc", "subject"))

dimensions = XmpStruct()
dimensions.add(XmpField(prefix="stDim", name="w", value="612"))
dimensions.add(XmpField(prefix="stDim", name="h", value="792"))
dimensions.add(XmpField(prefix="stDim", name="unit", value="pt"))

print(dimensions.get("w").value)  # "612"

packet.add(XmpField(prefix="xmpTPg", name="MaxPageSize", value=dimensions))

from aspose_pdf import NamespaceProvider, XmpPacket

provider = NamespaceProvider()
provider.register("custom", "https://example.com/ns/custom/1.0/")

packet = XmpPacket(namespace_provider=provider)
packet.set_value("custom", "batch_id", "run-2026-07-29")

xmp_bytes = packet.to_bytes()

restored = XmpPacket.parse(xmp_bytes)
print(restored.get("dc", "title").value)

Các vấn đề thường gặp và cách khắc phục

get() hoặc một getter được gõ trả về None mặc dù tôi vừa đặt thuộc tính

Xác nhận đối số prefix (hoặc URI) cho get/get_int/get_date/etc. khớp chính xác với những gì đã được truyền vào lời gọi set_* tương ứng — get khớp cả tiền tố của trường và URI không gian tên của nó, nhưng một tiền tố tùy chỉnh không khớp ở một lời gọi và một URI ở lời gọi khác sẽ bị bỏ lỡ.

Tiền tố không gian tên tùy chỉnh tạo ra đầu ra không đầy đủ khi được tuần tự hoá

Một tiền tố không phải là một trong các không gian tên XMP tiêu chuẩn (dc, xmp, pdf, và tương tự) cần hoặc một đối số uri= rõ ràng trong mỗi lời gọi set_*, hoặc một NamespaceProvider với tiền tố đó đã được đăng ký và gắn vào gói qua XmpPacket(namespace_provider=provider) trước khi gọi serialize()/to_bytes().

get_bool, get_int, hoặc get_real returns None cho một giá trị tôi biết đã được đặt

Các getter có kiểu này trả về None khi văn bản lưu không được phân tích thành kiểu mong đợi — ví dụ, get_int trên một thuộc tính có giá trị được đặt bằng set_value dưới dạng văn bản tự do thay vì set_int. Sử dụng setter có kiểu tương ứng (set_int, set_real, set_bool) để logic phân tích của getter khớp với quá trình ghi.

XmpPacket.parse raises ValueError trên một gói tin từ nguồn không đáng tin cậy

parse từ chối bất kỳ khai báo <!DOCTYPE hoặc <!ENTITY nào như một biện pháp bảo vệ đầu vào thù địch chống lại các cuộc tấn công XXE và billion-laughs. Một gói XMP hợp pháp không bao giờ cần DTD; xem ngoại lệ như một tín hiệu rằng luồng nguồn bị sai dạng hoặc không an toàn thay vì cố gắng vượt qua biện pháp bảo vệ.

get_array returns None thay vì một danh sách

get_array trả về None khi thuộc tính được đặt tên không tồn tại hoặc không được lưu dưới dạng XmpArray (ví dụ, nếu nó được thiết lập bằng set_value thay vì set_array). Sử dụng set_array khi ghi thuộc tính để giá trị được lưu khớp với dạng mà get_array mong đợi.

Câu hỏi thường gặp

Sự khác nhau giữa set_value và các setter có kiểu như set_int là gì?

set_value lưu bất kỳ value nào bạn truyền vào nguyên trạng. Các setter có kiểu (set_date, set_int, set_real, set_bool) chuyển đổi đầu vào sang dạng văn bản thuần mà XMP sử dụng nội bộ và đi kèm với getter có kiểu tương ứng để phân tích lại, vì vậy hãy sử dụng chúng khi bạn cần tính an toàn kiểu qua vòng lặp thay vì chuỗi thô.

Các loại XmpArray (Bag, Seq, Alt) khác nhau như thế nào?

Bag là một tập hợp các giá trị không có thứ tự, Seq là một danh sách có thứ tự, và Alt chứa các giá trị thay thế (thường là các phiên bản ngôn ngữ, như được set_localized_text sử dụng). Gửi loại mong muốn tới set_array(..., kind="Bag") hoặc xây dựng một XmpArray(kind=...) trực tiếp.

Tôi có thể đọc danh sách thô các thuộc tính trên một gói mà không cần biết trước tên của chúng không?

Có — lặp packet.fields, nó chứa mọi XmpField, XmpArray, và XmpProperty được thêm vào gói theo thứ tự chèn.

Tôi có cần một NamespaceProvider cho các không gian tên XMP chuẩn không?

Không. dc, xmp, pdf, và các tiền tố chuẩn khác được giải quyết tự động. Một NamespaceProvider chỉ cần thiết cho các tiền tố tùy chỉnh mà bạn tự tạo.

Các bộ định tính XmpProperty khác biệt như thế nào so với một XmpField đơn giản?

XmpProperty bao bọc một XmpField cơ bản cùng với danh sách các trường định tính (được thêm bằng add_qualifier), được dùng cho trường hợp hiếm hơn khi một thuộc tính cần siêu dữ liệu RDF bổ sung được gắn vào giá trị của nó, ngoài bộ định tính xml:lang mà XmpField.language đã bao phủ.

Xem thêm

• Quản lý Tài liệu (Hướng dẫn cho Nhà phát triển)
• Cách tải tài liệu trong Python
• Hướng dẫn cài đặt
• API Reference
• Kho lưu trữ GitHub
• Aspose.PDF for Python — Enterprise Knowledge Base