python操作pdf文件

python PyPDF2处理PDF文件

• 安装PyPDF2

pip install PyPDF2 

• 官方文档：
  • https://pypdf2.readthedocs.io/en/latest/
• 导入模块

import PyPDF2 

1. 读取PDF中的内容

# author:mlnt # createdate:2022/8/16 import PyPDF2 # 导入PyPDF2模块 # 官方文档：https://pypi.org/project/PyPDF2/ # 1.打开PDF文件 pdf = open(file='test.pdf', mode='rb') # 以二进制方式打开 # 2.获取PDF文件的页数 # 打开PDF文件成功后，可使用PdfFileReader()方法读取PDF内容 pdf_reader = PyPDF2.PdfFileReader(pdf) # 读取PDF内容 print(f'PDF页数为：{ 
     pdf_reader.numPages}') print(f'PDF页数为：{ 
     len(pdf_reader.pages)}') # 3.读取PDF页面内容 """ - 使用PdfFileReader()方法读取PDF文件后，可使用getPage(n)（或pages[n]）获取第n页的PDF内容 - PDF页面从第0页开始计算 - 页面内容被读入后，可使用extractText()取得该页的字符串内容 """ for i in range(pdf_reader.numPages): pageObj = pdf_reader.getPage(i) # 读取第i页内容 # pageObj = pdf_reader.pages[i] # 读取第i页内容 page_content = pageObj.extractText() # 提取页面内容 print(page_content) 

test.pdf：

读取效果：

2. PDF简单加密与解密

# author:mlnt # createdate:2022/8/16 import PyPDF2 from PyPDF2 import PdfReader, PdfWriter def checkEncrypted(filename): """检查文件是否加密""" pdfObj = open(file=filename, mode='rb') # 以二进制方式打开 pdfRd = PyPDF2.PdfFileReader(pdfObj) # 读取PDF内容 # 判断文件是否加密 if pdfRd.isEncrypted: print(f'{ 
     filename}属于加密文件') else: print(f'{ 
     filename}未加密') def pdfEncrypt(filename): """pdf加密""" reader = PdfReader(filename) # 创建RdfReader对象 writer = PdfWriter() # 创建PdfWriter对象 # 将所有页面添加到writer for page in reader.pages: # PDF页面旋转 page.rotate_clockwise(90) # 旋转90度 page.rotate_clockwise(-180) # 逆时针旋转180度 writer.add_page(page) # 添加密码 writer.encrypt('') new_name = filename[:filename.rfind('.pdf')] + '-encrypted.pdf' # 保存pdf with open(new_name, 'wb') as f: writer.write(f) def pdfDecrypt(filename): """pdf解密""" reader = PdfReader(filename) writer = PdfWriter() # 判断是否加密 if reader.isEncrypted: reader.decrypt('') for page in reader.pages: writer.add_page(page) new_name = filename[:filename.rfind('.pdf')] + '-decrypted.pdf' # 保存pdf with open(new_name, 'wb') as f: writer.write(f) checkEncrypted('test.pdf') pdfEncrypt('test.pdf') pdfDecrypt('test-encrypted.pdf') 

3. 合并PDF文件

# author:mlnt # createdate:2022/8/16 from PyPDF2 import PdfMerger merger = PdfMerger() # 创建PdfMerger对象 pdf1 = open('test.pdf', 'rb') pdf2 = open('watermark.pdf', 'rb') # 将整个文档添加到merger merger.append(fileobj=pdf1) # 将pdf2插入到merger，从第0页开始 merger.merge(position=0, fileobj=pdf2) with open('merger-test.pdf', 'wb') as f: merger.write(f) merger.close() 

watermark.pdf：

合并效果：

4.处理PDF页面重叠

# author:mlnt # createdate:2022/8/16 import PyPDF2 from PyPDF2 import PdfReader, PdfWriter reader1 = PdfReader('test.pdf') # 创建RdfReader对象 reader2 = PdfReader('watermark.pdf') # 创建RdfReader对象 writer = PdfWriter() # 创建PdfWriter对象 # 将所有页面添加到writer for page in reader1.pages: # 执行重叠合并 page.merge_page(reader2.pages[0]) # 添加到新的PDF对象 writer.add_page(page) # 保存pdf with open('test-watermark.pdf', 'wb') as f: writer.write(f) 

效果：

5. 添加水印到pdf

from pathlib import Path from typing import Union, List from PyPDF2 import PdfWriter, PdfReader from typing_extensions import Literal def watermark( content_pdf: Path, watermark_pdf: Path, pdf_result: Path, page_indices: Union[Literal["ALL"], List[int]] = "ALL", ): """ 添加水印 :param content_pdf: 要添加水印的pdf文件 :param watermark_pdf: 水印pdf :param pdf_result: 处理后保存的文件名 :param page_indices: 页面目录 :return: """ reader = PdfReader(content_pdf) if page_indices == "ALL": page_indices = list(range(0, len(reader.pages))) writer = PdfWriter() for index in page_indices: content_page = reader.pages[index] mediabox = content_page.mediabox # 读取水印pdf文件 reader_watermark = PdfReader(watermark_pdf) # 获取水印pdf文件第1页的内容 image_page = reader_watermark.pages[0] # 将两个页面的内容流合并为一个 image_page.merge_page(content_page) image_page.mediabox = mediabox writer.add_page(image_page) # 保存处理后的内容 with open(pdf_result, "wb") as fp: writer.write(fp) watermark(content_pdf='test.pdf', watermark_pdf='watermark.pdf', pdf_result='result.pdf') 

效果：

参考：

• 官方文档：https://pypdf2.readthedocs.io/en/latest/
• https://www.cnblogs.com/yuminhu/p/15984340.html

版权声明：

本文来源网络，所有图片文章版权属于原作者，如有侵权，联系删除。

本文网址：https://www.mushiming.com/mjsbk/514.html