最近在阅读一些PDF格式的资料，经常会进行划线并做笔记，我希望这些内容在阅读结束之后能够方便地整理出来并回顾，于是探索了一下到处划线文字和笔记的方法。

首先，我去确认PDF阅读器是否提供了需要的功能。以Foxit Reader为例，它的确提供了评论导出的功能，但是有局限性：

而我希望的功能是将高亮文字以及其对应的笔记导出到文本文件，或者上传到某个App的云端。因此，我决定自己去实现，并在网上找了一些已有的Python模块看是否能满足功能。

这是很常见的操作PDF文档的Python库，可以提供文档读写、编辑、剪裁、加密解密等功能。如果利用一些比较底层的API，还可以操作文档中的评论，比如：

上面这段代码可以读取一个PDF文档中某一页的所有评论（弹出框中的笔记），但是不包含被高亮的文字。事实上，PDF文档并没有特意保存高亮文字的信息，而只是在文档的特定位置画出特定样式的矩形框而已。对于PyPDF2，我也没有找到提取高亮文字的方案。

于是我又找到并尝试了PyMuPDF库。这个库正好补充了PyPDF2的不足：它可以巧妙地分析出高亮矩形框的位置，并读取其中的文字：

该工具集成于fitz库中，需要先安装fitz。从上面代码可以看出，本质上，提取高亮的文字还是需要获取高亮矩形框的位置和大小，并从中提取单词，最后拼接成句。遗憾的是，该库反而没有提供比较好的获取弹窗中笔记评论的方法（可能是我没找到😂）。不过这已经与PyPDF2工具形成互补了。

两种工具结合，我就写出了一个初步的自定义工具。该工具读取一个PDF文档，并提取出每一页中的高亮文字和笔记评论。详细代码见这里。

后续的工作可以包括格式化输出笔记内容，将结果保存至云端（如印象笔记）等。

我还探索了其他工具比如Python Poppler。从代码看，似乎提取注释的功能更优雅简洁，但是这个库的安装过程比较麻烦，并对系统有一定要求。感兴趣的朋友可以尝试一下。另外，如果有人发现了更简洁的方式满足上面的需求，欢迎留言讨论！