使用Python操作PDF檔案

2022-06-13 14:02:13

從PDF讀取文字內容和從已經有的檔案生成新的PDF。

需要用到的模組是PyPDF2.

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

同時，還要關注較新的PyPDF4包，因為它很快就會取代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，在命令列中執行，由於PyPDF2沒有任何依賴，因此安裝非常快。

pip install PyPDF2

操作方法

1、從PDF讀取文字

PyPDF2無法從pdf檔案中提取影象，圖表和其他媒體，但是它可以提取文字，並且將文字返回為python字串。

import PyPDF2
# ===============從pdf中提取文字===========
pdffile = open(r'E:python讓繁瑣的工作自動化13_處理pdf和word檔案datameetingminutes.pdf', 'rb')  # 讀取pdf檔案
pdfreader = PyPDF2.PdfFileReader(pdffile)  # 讀入到
print(pdfreader.numPages)  # 讀取pdf頁數======19

獲取第一頁的內容：

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

內容是

2、解密PDF

某些檔案有加密功能，為了防止別人閱讀，只有在開啟檔案的時候提供口令才能閱讀。我開啟的檔案的加密口令是rosebud.

其實在讀取一個pdf檔案是首先應該確定它是否加密了。如果加密，isEncrypted屬性就會返回True.此時就需要口令了。

# 某些pdf檔案是加密的，防止別人閱讀的，只有開啟檔案的時候提供口令才能閱讀
pdf_reader = PyPDF2.PdfFileReader(open(r'E:python讓繁瑣的工作自動化13_處理pdf和word檔案dataencrypted.pdf','rb'))
print(pdf_reader.isEncrypted)  # 檔案是否加密

返回的結果是：

如果這時候不輸入口令就獲取內容的話。

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

會提示出現錯誤。

此時呼叫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、建立PDF

PyPDF2可以建立一個新的PDF檔案，但是不能將任何文字寫入到PDF。其寫入PDF的能力，僅限於從其他PDF中拷貝頁面、旋轉頁面、重疊頁面和加密檔案。後面一一介紹。

4、拷貝頁面

# ==========拷貝頁面==============
pdffile1 = open(r'E:python讓繁瑣的工作自動化13_處理pdf和word檔案datameetingminutes.pdf', 'rb')
pdffile2 = open(r'E:python讓繁瑣的工作自動化13_處理pdf和word檔案datameetingminutes2.pdf', 'rb')
pdf1_reader = PyPDF2.PdfFileReader(pdffile1)
pdf2_reader = PyPDF2.PdfFileReader(pdffile2)
# 建立一個pdf檔案，這個只是代表pdf檔案的值，並沒有建立實際的檔案。
pdf_writer = PyPDF2.PdfFileWriter()
# 將檔案一頁一頁的讀入到新的檔案
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檔案
pdfoutputfile = open('combin.pdf','wb')
pdf_writer.write(pdfoutputfile)
pdfoutputfile.close()
pdffile1.close()
pdffile2.close()

在對應目錄下生成pdf檔案

5、旋轉頁面

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

pdffile1 = open(r'E:python讓繁瑣的工作自動化13_處理pdf和word檔案datameetingminutes.pdf', 'rb')
pdfreaders = PyPDF2.PdfFileReader(pdffile1)
page = pdfreaders.getPage(0)  # 獲取第一頁
page.rotateClockwise(90)  # 第一頁旋轉90度
# 建立一個新的PDF檔案
pdfwriter = PyPDF2.PdfFileWriter()
# 新增內容
pdfwriter.addPage(page)
# 真實建立PDF檔案並寫入內容
result = open('ratated.pdf','wb')
pdfwriter.write(result)
# 關閉檔案
result.close()
pdffile1.close()

點選開PDF檔案，結果是：

6、疊加頁面

有的時候需要在PDF中新增公司的標誌、時間戳或水印。我們用這個庫依然可以實現。

# 給指定的頁面新增水印、公司標誌或者時間戳。
pdffile1 = open(r'E:python讓繁瑣的工作自動化13_處理pdf和word檔案datameetingminutes.pdf', 'rb')
pdf_reader1 = PyPDF2.PdfFileReader(pdffile1)
# 獲取該檔案的第一頁
first_page = pdf_reader1.getPage(0)
# 開啟印有水印的PDF檔案
water_pdf = PyPDF2.PdfFileReader(r'E:python讓繁瑣的工作自動化13_處理pdf和word檔案datawatermark.pdf', 'rb')
# 在上一個檔案的第一頁中加入這個有水印的檔案
first_page.mergePage(water_pdf.getPage(0))
# 將讀取的內容寫入到物件中
pdfwriter = PyPDF2.PdfFileWriter()
pdfwriter.addPage(first_page)

結果是：

7、加密PDF

我們可以對拷貝的頁面進行加密。

pdffile1 = open(r'E:python讓繁瑣的工作自動化13_處理pdf和word檔案datameetingminutes.pdf', 'rb')
pdf_reader1 = PyPDF2.PdfFileReader(pdffile1)
# 將讀取的內容寫入物件中
pdfwriter = PyPDF2.PdfFileWriter()
for pagenum in range(pdf_reader1.numPages):
    pdfwriter.addPage(pdf_reader1.getPage(pagenum))

# 輸入口令
pdfwriter.encrypt('meimei')
# 真正建立PDF檔案
result_pdf = open('encry.pdf','wb')
pdfwriter.write(result_pdf)
# 關閉檔案
result_pdf.close()

點選生成的PDF檔案。

輸入密碼才可以開啟。

到此這篇關於Python操作PDF檔案的文章就介紹到這了。希望對大家的學習有所幫助，也希望大家多多支援it145.com。