20行Python程式碼實現一款永久免費PDF編輯工具

2022-07-13 14:01:50

PyPDF2

PyPDF2是一個第三方的python PDF庫，它能夠對PDF檔案進行分割、合併、裁剪和轉換頁面。

另外，它還可以對PDF檔案新增自定義資料、水印、密碼，也可以從PDF檔案中檢索出文字和後設資料。

安裝

使用pip直接安裝：

$ pip install PyPDF2

下面就來演示幾項PDF編輯功能，並且會逐行解釋程式碼的含義。

刪除PDF頁

先給出實現程式碼，

from PyPDF2 import PdfFileWriter, PdfFileReader
 
output = PdfFileWriter()     // 1
input1 = PdfFileReader(open("example.pdf", "rb")) // 2
 
def delete_pdf(index):
 pages = input1.getNumPages() // 3
 
 for i in range(pages):
  if i+1 in index:
   continue
  output.addPage(input1.getPage(i))  // 4
 
 outputStream = open("PyPDF2-output.pdf", "wb")
 output.write(outputStream)  // 5
 
delete_pdf([2,3,4])

下面來解釋一下程式碼中的幾個關鍵點：

宣告一個用於輸出PDF的範例；
讀取本地PDF檔案；
獲取PDF檔案的頁數；
讀取PDF的第i頁，新增到輸出output範例中；
把編輯後的檔案儲存到本地；

合併PDF

已經實現了刪除PDF頁，接下來就看一下如何把另外一個PDF中的頁面合併到當前PDF中。

方法1：

可以沿著前面刪除PDF頁的方式進行拓展一下，對PDF進行合併。

from PyPDF2 import PdfFileWriter, PdfFileReader
 
output = PdfFileWriter()
input1 = PdfFileReader(open("example.pdf", "rb"))
input2 = PdfFileReader(open("simple2.pdf", "rb")) // 1
 
def merge_pdf(add_index, origin_index):
 pages = input1.getNumPages()
 k = 0
 for i in range(pages):
  if i+1 in add_index:
   output.addPage(input2.getPage(origin_index[k])) // 2
   pages += 1
   k += 1
  output.addPage(input1.getPage(i))
 
 outputStream = open("PyPDF2-output.pdf", "wb")
 output.write(outputStream)
 
merge_pdf([2,3,4], [0, 0, 0])

讀取需要合併的原始檔；
遍歷到指定頁，合併源PDF的頁面；

方法2：

除了方法1，還有另外一種方法可以合併PDF：

from PyPDF2 import PdfFileMerger // 1
 
merger = PdfFileMerger()
 
input1 = open("document1.pdf", "rb") // 2
input2 = open("document2.pdf", "rb")
input3 = open("document3.pdf", "rb")
 
merger.append(fileobj = input1, pages = (0,3)) // 3
 
merger.merge(position = 2, fileobj = input2, pages = (0,1)) // 4
 
merger.append(input3) // 5
 
output = open("document-output.pdf", "wb")
merger.write(output)

匯入PyPDF2合併模組PdfFileMerger;
讀取需要處理和合並的PDF檔案；
從第一個PDF檔案中取出需要合併的前3頁；
把第二個PDF檔案的第一頁插入到檔案中；
把第三個PDF檔案附到輸出檔案末尾；

除了上述介紹的2項主要功能，PyPDF2也有一些其他小功能：

旋轉

input1.getPage(1).rotateClockwise(90)

使得頁面1旋轉90度。

新增水印

page = input1.getPage(3)
watermark = PdfFileReader(open("watermark.pdf", "rb"))
page.mergePage(watermark.getPage(0))

其中，水印儲存在另外一個PDF檔案watermark.pdf中。

加密

password = "secret"
output.encrypt(password)

首先給一個secret密碼，然後使用encrypt對輸出檔案進行加密。

pdfminer

前面介紹的PyPDF2主要擅長於PDF頁面級編輯，而對於文字和源資料級別編輯能力較弱。

所以，這裡就來介紹另外一款Python庫來彌補它的不足。

PDFMiner是一個PDF檔案的文字提取工具，它具有如下特性：

能夠準確獲取文字的位置和佈局資訊；
可以將PDF轉換為HTML/XML等格式；
可以提取目錄；
可以提取標籤內容；
支援各種字型型別（Type1、TrueType、Type3和CID）;
支援中、日、韓語言和垂直書寫文字;

安裝

$ pip install pdfminer

PDF轉TxT

pdfminer在GitHub的託管專案中，在目錄tools下給出了一些實用的工具集，例如，PDF轉HTML、PDF轉HTML、PDF轉TXT。我們可以直接通過使用下面命令提出PDF檔案中的文字資訊。

$ pdf2txt.py samples/simple1.pdf

總結

通過上述2款Python庫，就可以實現從頁面到文字後設資料的編輯，本文只是簡單的介紹了每項的基本用法。關於詳細的用法和函數列表，可以閱讀官方檔案，或者閱讀GitHub上專案原始碼進行了解。此外，可以在這些基本的用法基礎上進行發散思維，發掘更多有價值的應用場景，例如，提出文字資料之後呼叫翻譯API進行文獻翻譯。也可以，對軟體進行封裝，開發成一款通用的PDF編輯工具。

20行Python程式碼就輕鬆解決了困擾很多同學已久的PDF編輯問題，可見Python的作用和價值是不可忽視的。

到此這篇關於20行Python程式碼實現一款永久免費PDF編輯工具的文章就介紹到這了,更多相關Python PDF編輯工具內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！