快捷導(dǎo)航

Python對(duì)PDF文件的常用操作方法詳解

更新時(shí)間：2022年05月23日 17:16:00 作者：五包辣條！

PDF是Portable?Document?Format的縮寫，這類文件通常使用`.pdf`作為其擴(kuò)展名。在日常開發(fā)工作中，最容易遇到的就是從PDF中讀取文本內(nèi)容以及用已有的內(nèi)容生成PDF文檔這兩個(gè)任務(wù)。本文為大家介紹了幾個(gè)Python中常見的PDF操作，需要的可以參考一下

工具

python3.7

Pycharm

PDF

PyPDF2

reportlab

從PDF中提取文本

PyPDF2沒(méi)有辦法從PDF文檔中提取圖像、圖表或其他媒體，但它可以提取文本，并將其返回為Python字符串。

import PyPDF2

reader = PyPDF2.PdfFileReader('test.pdf')
page = reader.getPage(0)
print(page.extractText())

旋轉(zhuǎn)和疊加頁(yè)面

上面的代碼中通過(guò)創(chuàng)建PdfFileReader對(duì)象的方式來(lái)讀取PDF文檔，該對(duì)象的getPage方法可以獲得PDF文檔的指定頁(yè)并得到一個(gè)PageObject對(duì)象，通過(guò)PageObject對(duì)象的rotateClockwise和rotateCounterClockwise方法可以實(shí)現(xiàn)頁(yè)面的順時(shí)針和逆時(shí)針?lè)较蛐D(zhuǎn)，通過(guò)PageObject對(duì)象的addBlankPage方法可以添加一個(gè)新的空白頁(yè)，代碼如下所示。

import PyPDF2

from PyPDF2.pdf import PageObject

# 創(chuàng)建一個(gè)讀PDF文件的Reader對(duì)象
reader = PyPDF2.PdfFileReader('resources/xxx.pdf')
# 創(chuàng)建一個(gè)寫PDF文件的Writer對(duì)象
writer = PyPDF2.PdfFileWriter()
# 對(duì)PDF文件所有頁(yè)進(jìn)行循環(huán)遍歷
for page_num in range(reader.numPages):
    # 獲取指定頁(yè)碼的Page對(duì)象
    current_page = reader.getPage(page_num)  # type: PageObject
    if page_num % 2 == 0:
        # 奇數(shù)頁(yè)順時(shí)針旋轉(zhuǎn)90度
        current_page.rotateClockwise(90)
    else:
        # 偶數(shù)頁(yè)反時(shí)針旋轉(zhuǎn)90度
        current_page.rotateCounterClockwise(90)
    writer.addPage(current_page)
# 最后添加一個(gè)空白頁(yè)并旋轉(zhuǎn)90度
page = writer.addBlankPage()  # type: PageObject
page.rotateClockwise(90)
# 通過(guò)Writer對(duì)象的write方法將PDF寫入文件
with open('resources/xxx.pdf', 'wb') as file:
    writer.write(file)

加密PDF文件

使用PyPDF2中的PdfFileWrite對(duì)象可以為PDF文檔加密，如果需要給一系列的PDF文檔設(shè)置統(tǒng)一的訪問(wèn)口令，使用Python程序來(lái)處理就會(huì)非常的方便。

import PyPDF2

reader = PyPDF2.PdfFileReader('resources/XGBoost.pdf')
writer = PyPDF2.PdfFileWriter()
for page_num in range(reader.numPages):
    writer.addPage(reader.getPage(page_num))
# 通過(guò)encrypt方法加密PDF文件，方法的參數(shù)就是設(shè)置的密碼
writer.encrypt('foobared')
with open('resources/XGBoost-encrypted.pdf', 'wb') as file:
    writer.write(file)

創(chuàng)建PDF文件

創(chuàng)建PDF文檔需要三方庫(kù)reportlab的支持,使用 pip install reportlab 命令安裝

from reportlab.lib.pagesizes import A4
from reportlab.pdfbase import pdfmetrics
from reportlab.pdfbase.ttfonts import TTFont
from reportlab.pdfgen import canvas

pdf_canvas = canvas.Canvas('resources/python創(chuàng)建.pdf', pagesize=A4)
width, height = A4

# 繪圖
image = canvas.ImageReader('resources/xxx.jpg')
pdf_canvas.drawImage(image, 20, height - 395, 250, 375)

# 顯示當(dāng)前頁(yè)
pdf_canvas.showPage()

# 注冊(cè)字體文件
pdfmetrics.registerFont(TTFont('Font1', 'resources/fonts/Vera.ttf'))
pdfmetrics.registerFont(TTFont('Font2', 'resources/fonts/青呱石頭體.ttf'))

# 寫字
pdf_canvas.setFont('Font2', 40)
pdf_canvas.setFillColorRGB(0.9, 0.5, 0.3, 1)
pdf_canvas.drawString(width // 2 - 120, height // 2, '你好，世界！')
pdf_canvas.setFont('Font1', 40)
pdf_canvas.setFillColorRGB(0, 1, 0, 0.5)
pdf_canvas.rotate(18)
pdf_canvas.drawString(250, 250, 'hello, world!')

# 保存
pdf_canvas.save()

補(bǔ)充

合并PDF

from PyPDF2 import PdfFileReader, PdfFileWriter

def merge_pdfs(paths, output):
 pdf_writer = PdfFileWriter()
 for path in paths:
  pdf_reader = PdfFileReader(path)
  for page in range(pdf_reader.getNumPages()):
   # 將每頁(yè)添加到writer對(duì)象
   pdf_writer.addPage(pdf_reader.getPage(page))
 # 寫入合并的pdf
 with open(output, 'wb') as out:
  pdf_writer.write(out)
if __name__ == '__main__':
 paths = ['document1.pdf', 'document2.pdf']
 merge_pdfs(paths, output='merged.pdf')

添加水印

from PyPDF2 import PdfFileWriter, PdfFileReader
def create_watermark(input_pdf, output, watermark):
 watermark_obj = PdfFileReader(watermark)
 watermark_page = watermark_obj.getPage(0)
 pdf_reader = PdfFileReader(input_pdf)
 pdf_writer = PdfFileWriter()
 # 給所有頁(yè)面添加水印
 for page in range(pdf_reader.getNumPages()):
  page = pdf_reader.getPage(page)
  page.mergePage(watermark_page)
  pdf_writer.addPage(page)
 with open(output, 'wb') as out:
  pdf_writer.write(out)
if __name__ == '__main__':
 create_watermark(
  input_pdf='Jupyter_Notebook_An_Introduction.pdf', 
   output='watermarked_notebook.pdf',
  watermark='watermark.pdf')

到此這篇關(guān)于Python對(duì)PDF文件的常用操作方法詳解的文章就介紹到這了,更多相關(guān)Python操作PDF內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: