使用Python操作PDF文件

从PDF读取文本内容和从已经有的文档生成新的PDF。

需要用到的模块是PyPDF2.

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

同时,还要关注较新的PyPDF4包,因为它很快就会取代PyPDF2。

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

也可以看看pdfrw包,它也可以执行许多与PyPDF2相同的操作。

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

首先安装PyPDF2,在命令行中运行,由于PyPDF2没有任何依赖,因此安装非常快。

pip install PyPDF2

操作方法

1、从PDF读取文本

PyPDF2无法从pdf文档中提取图像,图表和其他媒体,但是它可以提取文本,并且将文本返回为python字符串。

import PyPDF2
# ===============从pdf中提取文本===========
pdffile = open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf', 'rb')  # 读取pdf文件
pdfreader = PyPDF2.PdfFileReader(pdffile)  # 读入到
print(pdfreader.numPages)  # 读取pdf页数======19

获取第一页的内容:

page0 = pdfreader.getPage(0)  #获取第1页,第一页是0
print(page0.extractText())  # 获取第2页的内容,返回的是字符串

内容是

2、解密PDF

某些文档有加密功能,为了防止别人阅读,只有在打开文档的时候提供口令才能阅读。我打开的文件的加密口令是rosebud.

其实在读取一个pdf文件是首先应该确定它是否加密了。如果加密,isEncrypted属性就会返回True.此时就需要口令了。

# 某些pdf文件是加密的,防止别人阅读的,只有打开文档的时候提供口令才能阅读
pdf_reader = PyPDF2.PdfFileReader(open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\encrypted.pdf','rb'))
print(pdf_reader.isEncrypted)  # 文件是否加密

返回的结果是:

如果这时候不输入口令就获取内容的话。

print(pdf_reader.getPage(0))  # PyPDF2.utils.PdfReadError: file has not been decrypted 文件还没有解锁

会提示出现错误。

此时调用decrypt方法,输入口令,再读取就可以啦。

print(pdf_reader.decrypt('rosebud'))  # rosebud==正确口令显示1,其他显示0
page_obj = pdf_reader.getPage(0)  # 这样才能正确读取
print(page_obj.extractText())

3、创建PDF

PyPDF2可以创建一个新的PDF文件,但是不能将任何文本写入到PDF。其写入PDF的能力,仅限于从其他PDF中拷贝页面、旋转页面、重叠页面和加密文件。后面一一介绍。

4、拷贝页面

# ==========拷贝页面==============
pdffile1 = open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf', 'rb')
pdffile2 = open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes2.pdf', 'rb')
pdf1_reader = PyPDF2.PdfFileReader(pdffile1)
pdf2_reader = PyPDF2.PdfFileReader(pdffile2)
# 创建一个pdf文档,这个只是代表pdf文档的值,并没有创建实际的文档。
pdf_writer = PyPDF2.PdfFileWriter()
# 将文档一页一页的读入到新的文档
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个文件
pdfoutputfile = open('combin.pdf','wb')
pdf_writer.write(pdfoutputfile)
pdfoutputfile.close()
pdffile1.close()
pdffile2.close()

在对应目录下生成pdf文件

5、旋转页面

利用rotateClockwise()和rotateCounterClockwise()方法PDF页面可以旋转90的整倍数。

pdffile1 = open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf', 'rb')
pdfreaders = PyPDF2.PdfFileReader(pdffile1)
page = pdfreaders.getPage(0)  # 获取第一页
page.rotateClockwise(90)  # 第一页旋转90度
# 创建一个新的PDF文档
pdfwriter = PyPDF2.PdfFileWriter()
# 添加内容
pdfwriter.addPage(page)
# 真实创建PDF文件并写入内容
result = open('ratated.pdf','wb')
pdfwriter.write(result)
# 关闭文件
result.close()
pdffile1.close()

点击开PDF文档,结果是:

6、叠加页面

有的时候需要在PDF中添加公司的标志、时间戳或水印。我们用这个库依然可以实现。

# 给指定的页面添加水印、公司标志或者时间戳。
pdffile1 = open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf', 'rb')
pdf_reader1 = PyPDF2.PdfFileReader(pdffile1)
# 获取该文档的第一页
first_page = pdf_reader1.getPage(0)
# 打开印有水印的PDF文件
water_pdf = PyPDF2.PdfFileReader(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\watermark.pdf', 'rb')
# 在上一个文档的第一页中加入这个有水印的文件
first_page.mergePage(water_pdf.getPage(0))
# 将读取的内容写入到对象中
pdfwriter = PyPDF2.PdfFileWriter()
pdfwriter.addPage(first_page)

结果是:

7、加密PDF

我们可以对拷贝的页面进行加密。

pdffile1 = open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf', 'rb')
pdf_reader1 = PyPDF2.PdfFileReader(pdffile1)
# 将读取的内容写入对象中
pdfwriter = PyPDF2.PdfFileWriter()
for pagenum in range(pdf_reader1.numPages):
    pdfwriter.addPage(pdf_reader1.getPage(pagenum))

# 输入口令
pdfwriter.encrypt('meimei')
# 真正创建PDF文件
result_pdf = open('encry.pdf','wb')
pdfwriter.write(result_pdf)
# 关闭文件
result_pdf.close()

点击生成的PDF文件。

输入密码才可以打开。

到此这篇关于Python操作PDF文件的文章就介绍到这了。希望对大家的学习有所帮助,也希望大家多多支持我们。

(0)

相关推荐

  • Python编程快速上手——PDF文件操作案例分析

    本文实例讲述了Python PDF文件操作.分享给大家供大家参考,具体如下: 题目如下: 利用第九章的os.walk()函数编写脚本,遍历文件夹中的所有pdf,用命令行提供的命令对这些PDF进行加密,用原来的文件名加上_encrypted.pdf后缀,保存每个加密的PDF.在删除原来的文件之前,尝试用程序读取并解密该文件,确保被正确加密 然后编写一个程序,找到文件夹中所有加密的PDF文件,利用提供的口令,创建pdf的解密拷贝,如果口令不对,程序应该打印一条消息, 并继续处理下一个pdf文件 思路

  • Python常见读写文件操作实例总结【文本、json、csv、pdf等】

    本文实例讲述了Python常见读写文件操作.分享给大家供大家参考,具体如下: 读写文件 读写文件是最常见的IO操作,python内置了读写文件的函数,用法和c是兼容的. 读写文件前,我们必须了解一下,在磁盘上读写文件的功能都是由操作系统提供的,现代操作系统不允许普通的程序直接操作磁盘,所以读写文件就是请求操作系统打开一个文件对象(文件描述),然后,通过操作系统提供的接口从这个文件对象中读取数据(读文件),或者把数据写入这个文件对象(写文件). 1.读文件 要以读文件的模式打开一个文件对象,使用p

  • Python对PDF文件的常用操作方法详解

    目录 工具 从PDF中提取文本 旋转和叠加页面 加密PDF文件 创建PDF文件 补充 工具 python3.7 Pycharm PDF PyPDF2 reportlab 从PDF中提取文本 PyPDF2没有办法从PDF文档中提取图像.图表或其他媒体,但它可以提取文本,并将其返回为Python字符串. import PyPDF2 reader = PyPDF2.PdfFileReader('test.pdf') page = reader.getPage(0) print(page.extract

  • 使用Python操作PDF文件

    从PDF读取文本内容和从已经有的文档生成新的PDF. 需要用到的模块是PyPDF2. mstamy2/PyPDF2: A utility to read and write PDFs with Python (github.com) 同时,还要关注较新的PyPDF4包,因为它很快就会取代PyPDF2. claird/PyPDF4: A utility to read and write PDFs with Python (github.com) 也可以看看pdfrw包,它也可以执行许多与PyPD

  • Python操作PDF文件之实现A3页面转A4

    目录 1. 需求概述 2. 代码实现 1. 需求概述 最近接到一份PDF资料需要打印,奈何页面是如图所示的A3格式的,奈何目前条件只支持打印A4. 我想要把每页的一个大页面裁成两个小的页面,以便打印工作的顺利进行. 遂决定写一段python代码,来实现该功能. 2. 代码实现 首先在当前目录下创建一个python文件,并编辑以下代码. 导入相关库后,代码共定义三个函数, 第一个函数将pdf拆分为多个图片,放在自动新建的images1文件夹中. 第二个函数则将每个图片进行切割,切割后的图片放在自动

  • 一文教会你用Python读取PDF文件

    目录 实战场景 Python PDF 实战编码 补充 实战场景 Python 工程师在日常的工作中,经常会碰到解析和处理PDF文件的情况,实战中需求主要分为如下情况: 提取 PDF 中的文字 将 PDF 中每页转换为图片 word 转换为PDF PDF生成,编辑,导入导出 PDF在线渲染 除了最后一项需要前端配合以外,其余内容都可以直接在 python 端进行实现. 本次实战选择 pdfplumber 库进行学习,可以提前安装该库,不过有一点需要注意,该库主要用于读取 PDF 进行操作,写入和编

  • Python 操作pdf pdfplumber读取PDF写入Exce

    目录 1. Python 操作pdf(pdfplumber读取PDF写入Exce) 1.1 安装pdfplumber模块库 1.2 常用操作 1.2.1 Python读取pdf文件案例 1.2.2 Python读取pdf文件代码 1.2.3 Python读取pdf文件存入Excel代码 1. Python 操作pdf(pdfplumber读取PDF写入Exce) 1.1 安装pdfplumber模块库 安装pdfplumber: pip install pdfplumber pdfplumber

  • 使用Python操作excel文件的实例代码

    使用的类库 pip install openpyxl 操作实现 •工作簿操作 # coding: utf-8 from openpyxl import Workbook # 创建一个excel工作簿 wb = Workbook() # 打开一个工作簿 wb = load_workbook('test.xlsx') # 保存工作簿到文件 wb.save('save.xlsx') •工作表操作 # 获得当前的工作表对象 ws = wb.active # 通过工作表名称得到工作表对象 ws = wb.

  • Python生成pdf文件的方法

    本文实例演示了Python生成pdf文件的方法,是比较实用的功能,主要包含2个文件.具体实现方法如下: pdf.py文件如下: #!/usr/bin/python from reportlab.pdfgen import canvas def hello(): c = canvas.Canvas("helloworld.pdf") c.drawString(100,100,"Hello,World") c.showPage() c.save() hello() di

  • python操作xlsx文件的包openpyxl实例

    Python扩展库openpyxl,可以操作07版以上的xlsx文件.可以创建工作簿.选择活动工作表.写入单元格数据,设置单元格字体颜色.边框样式,合并单元格,设置单元格背景等等. 需要增加可以颜色进入包安装目录的 your_pthon_path/site-packages/openpyxl/styles 修改colors.py文件下的 COLOR_INDEX = ( '00000000', '00FFFFFF', '00FF0000', '0000FF00', '000000FF', #0-4

  • 如何使用python进行pdf文件分割

    这篇文章主要介绍了如何使用python进行pdf文件分割,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 代码如下 import os from pyPdf import PdfFileWriter, PdfFileReader def split(pdf_file, delta, output_dir): if not os.path.exists(output_dir): os.makedirs(output_dir) if not os.p

  • python操作excel文件并输出txt文件的实例

    如下所示: #coding=utf-8 import os import xlrd #excel文件放置在当前路径 path='model.xls' #打开文件 data=xlrd.open_workbook(path) #查询工作表 sheets=data.sheets() #可以通过函数.索引.名称获得工作表. # sheet_1_by_function=data.sheets()[0] # sheet_1_by_index=data.sheet_by_index(0) sheet_1_by

随机推荐