使用Python操作PDF文件

更新時(shí)間：2022年06月13日 10:25:57 作者：springsnow

這篇文章介紹了Python操作PDF文件的方法，文中通過示例代碼介紹的非常詳細(xì)。對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下

從PDF讀取文本內(nèi)容和從已經(jīng)有的文檔生成新的PDF。

需要用到的模塊是PyPDF2.

mstamy2/PyPDF2: A utility to read and write PDFs with Python (github.com)

同時(shí)，還要關(guān)注較新的PyPDF4包，因?yàn)樗芸炀蜁?huì)取代PyPDF2。

claird/PyPDF4: A utility to read and write PDFs with Python (github.com)

也可以看看pdfrw包，它也可以執(zhí)行許多與PyPDF2相同的操作。

pmaupin/pdfrw: pdfrw is a pure Python library that reads and writes PDFs (github.com)

首先安裝PyPDF2，在命令行中運(yùn)行，由于PyPDF2沒有任何依賴，因此安裝非?？?。

pip install PyPDF2

操作方法

1、從PDF讀取文本

PyPDF2無法從pdf文檔中提取圖像，圖表和其他媒體，但是它可以提取文本，并且將文本返回為python字符串。

import PyPDF2
# ===============從pdf中提取文本===========
pdffile = open(r'E:\python讓繁瑣的工作自動(dòng)化\13_處理pdf和word文檔\data\meetingminutes.pdf', 'rb')  # 讀取pdf文件
pdfreader = PyPDF2.PdfFileReader(pdffile)  # 讀入到
print(pdfreader.numPages)  # 讀取pdf頁數(shù)======19

獲取第一頁的內(nèi)容：

page0 = pdfreader.getPage(0)  #獲取第1頁，第一頁是0
print(page0.extractText())  # 獲取第2頁的內(nèi)容，返回的是字符串

內(nèi)容是

2、解密PDF

某些文檔有加密功能，為了防止別人閱讀，只有在打開文檔的時(shí)候提供口令才能閱讀。我打開的文件的加密口令是rosebud.

其實(shí)在讀取一個(gè)pdf文件是首先應(yīng)該確定它是否加密了。如果加密，isEncrypted屬性就會(huì)返回True.此時(shí)就需要口令了。

# 某些pdf文件是加密的，防止別人閱讀的，只有打開文檔的時(shí)候提供口令才能閱讀
pdf_reader = PyPDF2.PdfFileReader(open(r'E:\python讓繁瑣的工作自動(dòng)化\13_處理pdf和word文檔\data\encrypted.pdf','rb'))
print(pdf_reader.isEncrypted)  # 文件是否加密

返回的結(jié)果是：

如果這時(shí)候不輸入口令就獲取內(nèi)容的話。

print(pdf_reader.getPage(0))  # PyPDF2.utils.PdfReadError: file has not been decrypted 文件還沒有解鎖

會(huì)提示出現(xiàn)錯(cuò)誤。

此時(shí)調(diào)用decrypt方法，輸入口令，再讀取就可以啦。

print(pdf_reader.decrypt('rosebud'))  # rosebud==正確口令顯示1，其他顯示0
page_obj = pdf_reader.getPage(0)  # 這樣才能正確讀取
print(page_obj.extractText())

3、創(chuàng)建PDF

PyPDF2可以創(chuàng)建一個(gè)新的PDF文件，但是不能將任何文本寫入到PDF。其寫入PDF的能力，僅限于從其他PDF中拷貝頁面、旋轉(zhuǎn)頁面、重疊頁面和加密文件。后面一一介紹。

4、拷貝頁面

# ==========拷貝頁面==============
pdffile1 = open(r'E:\python讓繁瑣的工作自動(dòng)化\13_處理pdf和word文檔\data\meetingminutes.pdf', 'rb')
pdffile2 = open(r'E:\python讓繁瑣的工作自動(dòng)化\13_處理pdf和word文檔\data\meetingminutes2.pdf', 'rb')
pdf1_reader = PyPDF2.PdfFileReader(pdffile1)
pdf2_reader = PyPDF2.PdfFileReader(pdffile2)
# 創(chuàng)建一個(gè)pdf文檔，這個(gè)只是代表pdf文檔的值，并沒有創(chuàng)建實(shí)際的文檔。
pdf_writer = PyPDF2.PdfFileWriter()
# 將文檔一頁一頁的讀入到新的文檔
for pagenum in range(pdf1_reader.numPages):
    pageobj = pdf1_reader.getPage(pagenum)
    pdf_writer.addPage(pageobj)

for pagenum in range(pdf2_reader.numPages):
    pageobj = pdf2_reader.getPage(pagenum)
    pdf_writer.addPage(pageobj)
    
# write方法才能真正生成一個(gè)文件
pdfoutputfile = open('combin.pdf','wb')
pdf_writer.write(pdfoutputfile)
pdfoutputfile.close()
pdffile1.close()
pdffile2.close()

在對(duì)應(yīng)目錄下生成pdf文件

5、旋轉(zhuǎn)頁面

利用rotateClockwise()和rotateCounterClockwise()方法PDF頁面可以旋轉(zhuǎn)90的整倍數(shù)。

pdffile1 = open(r'E:\python讓繁瑣的工作自動(dòng)化\13_處理pdf和word文檔\data\meetingminutes.pdf', 'rb')
pdfreaders = PyPDF2.PdfFileReader(pdffile1)
page = pdfreaders.getPage(0)  # 獲取第一頁
page.rotateClockwise(90)  # 第一頁旋轉(zhuǎn)90度
# 創(chuàng)建一個(gè)新的PDF文檔
pdfwriter = PyPDF2.PdfFileWriter()
# 添加內(nèi)容
pdfwriter.addPage(page)
# 真實(shí)創(chuàng)建PDF文件并寫入內(nèi)容
result = open('ratated.pdf','wb')
pdfwriter.write(result)
# 關(guān)閉文件
result.close()
pdffile1.close()

點(diǎn)擊開PDF文檔，結(jié)果是：

6、疊加頁面

有的時(shí)候需要在PDF中添加公司的標(biāo)志、時(shí)間戳或水印。我們用這個(gè)庫依然可以實(shí)現(xiàn)。

# 給指定的頁面添加水印、公司標(biāo)志或者時(shí)間戳。
pdffile1 = open(r'E:\python讓繁瑣的工作自動(dòng)化\13_處理pdf和word文檔\data\meetingminutes.pdf', 'rb')
pdf_reader1 = PyPDF2.PdfFileReader(pdffile1)
# 獲取該文檔的第一頁
first_page = pdf_reader1.getPage(0)
# 打開印有水印的PDF文件
water_pdf = PyPDF2.PdfFileReader(r'E:\python讓繁瑣的工作自動(dòng)化\13_處理pdf和word文檔\data\watermark.pdf', 'rb')
# 在上一個(gè)文檔的第一頁中加入這個(gè)有水印的文件
first_page.mergePage(water_pdf.getPage(0))
# 將讀取的內(nèi)容寫入到對(duì)象中
pdfwriter = PyPDF2.PdfFileWriter()
pdfwriter.addPage(first_page)

結(jié)果是：

7、加密PDF

我們可以對(duì)拷貝的頁面進(jìn)行加密。

pdffile1 = open(r'E:\python讓繁瑣的工作自動(dòng)化\13_處理pdf和word文檔\data\meetingminutes.pdf', 'rb')
pdf_reader1 = PyPDF2.PdfFileReader(pdffile1)
# 將讀取的內(nèi)容寫入對(duì)象中
pdfwriter = PyPDF2.PdfFileWriter()
for pagenum in range(pdf_reader1.numPages):
    pdfwriter.addPage(pdf_reader1.getPage(pagenum))

# 輸入口令
pdfwriter.encrypt('meimei')
# 真正創(chuàng)建PDF文件
result_pdf = open('encry.pdf','wb')
pdfwriter.write(result_pdf)
# 關(guān)閉文件
result_pdf.close()

點(diǎn)擊生成的PDF文件。