几个关于python Pdf 技巧的分享

前言：

PyPDF2是一个纯Python的开源库，能够分割或合并PDF文件，也可以裁剪或转换PDF文件中的页面。我们还可以使用PyPDF2查看PDF文件的元信息，对PDF文件进行加密等。

PyPDF2是一个开源的库，因此在使用之前需要先安装。

pip install PyPDF2

1.读取PDF

import PyPDF2

reader = PyPDF2.PdfFileReader(open('a.pdf','rb'))
print(reader.getNumPages())

print(reader.getIsEncrypted())
print(reader.getDocumentInfo())
page = reader.getPage(8)
print(page.extractText())

首先导入PyPDF2模块，然后以二进制读模式打开a.pdf文件，并将它传递给PdfFileReader类的初始化函数。PdfFileReader的初始化函数会返回一个PdfFileReader类的对象，我们可以使用这个对象来获取PDF文件的信息。

通过getNumPages函数获取pdf的总页数，通过getIsEncrypted函数获取文件是否加密，通过getDocumentInfo函数获取文件的元数据，通过传递下标给getPage函数的方式获取PDF页面，下标从0开始，与Python内置的字符串、列表和元组等保持一致。通过PageObject类的extractText方法提取页面中的文本。从该方法的返回结果来看，提取PDF文本的效果并不理想。

2.删除pdf的某些页

思路：PyPDF2并不能直接编辑PDF文件，但是我们可以利用PyPDF2从一个PDF文档拷贝需要的页面到另一个PDF文档，通过这种迂回的方式实现编辑PDF的功能。例如删掉a.pdf中的第一页

import PyPDF2

reader = PyPDF2.PdfFileReader(open('a.pdf','rb'))
output = PyPDF2.PdfFileWriter()
for i in range(1,reader.getNumPages()):
    output.addPage(reader.getPage(i))
outputStream = open ("b.pdf","wb")
output.write(outputStream)
outputStream.close()

3.旋转页面

PageObject类中有部分方法可以修改PDF页面，其中rotateClockwise和rotateCounterClockwise方法用来旋转页面。这两个方法只接受一个参数，且参数取值必须是90的倍数，表示旋转多少度。

import PyPDF2

reader = PyPDF2.PdfFileReader(open('a.pdf','rb'))
output = PyPDF2.PdfFileWriter()
page = reader.getPage(0)
page.rotateClockwise(180)
output.addPage(page)
outputStream = open ("b.pdf","wb")
output.write(outputStream)
outputStream.close()

4.合并pdf

from PyPDF2 import PdfFileMerger

merger = PdfFileMerger()

a = open("a.pdf",'rb')
b = open("b.pdf",'rb')
c = open("c.pdf",'rb')

merger.append(fileobj = a,pages = (0,3))
merger.merge(position=2,fileobj=b,pages=(0,1))
merger.append(c)
output = open("d.pdf","wb")
merger.write(output)

append方法通过fileobj参数确定要添加的PDF文件，通过pages参数指定要将哪些PDF页面添加到新的PDF文件中，并将要添加的页面添加到merger对象的末尾。merge方法相对于append方法，增加了position参数，我们可以通过position参数指定页面插人的位置。append方法和merge方法的pages参数非常灵活，该参数是一个三元组(start,stop[,step]),分别表示起点、终点和步长。我们可以通过该参数指定合并PDF文件中的页面。

来源：https://blog.51cto.com/u_3764469/5039076