Python对PDF文件的常用操作方法详解
作者:五包辣条! 时间:2021-10-13 06:49:56
工具
python3.7
Pycharm
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.extractText())
旋转和叠加页面
上面的代码中通过创建PdfFileReader对象的方式来读取PDF文档,该对象的getPage方法可以获得PDF文档的指定页并得到一个PageObject对象,通过PageObject对象的rotateClockwise和rotateCounterClockwise方法可以实现页面的顺时针和逆时针方向旋转,通过PageObject对象的addBlankPage方法可以添加一个新的空白页,代码如下所示。
import PyPDF2
from PyPDF2.pdf import PageObject
# 创建一个读PDF文件的Reader对象
reader = PyPDF2.PdfFileReader('resources/xxx.pdf')
# 创建一个写PDF文件的Writer对象
writer = PyPDF2.PdfFileWriter()
# 对PDF文件所有页进行循环遍历
for page_num in range(reader.numPages):
# 获取指定页码的Page对象
current_page = reader.getPage(page_num) # type: PageObject
if page_num % 2 == 0:
# 奇数页顺时针旋转90度
current_page.rotateClockwise(90)
else:
# 偶数页反时针旋转90度
current_page.rotateCounterClockwise(90)
writer.addPage(current_page)
# 最后添加一个空白页并旋转90度
page = writer.addBlankPage() # type: PageObject
page.rotateClockwise(90)
# 通过Writer对象的write方法将PDF写入文件
with open('resources/xxx.pdf', 'wb') as file:
writer.write(file)
加密PDF文件
使用PyPDF2中的PdfFileWrite对象可以为PDF文档加密,如果需要给一系列的PDF文档设置统一的访问口令,使用Python程序来处理就会非常的方便。
import PyPDF2
reader = PyPDF2.PdfFileReader('resources/XGBoost.pdf')
writer = PyPDF2.PdfFileWriter()
for page_num in range(reader.numPages):
writer.addPage(reader.getPage(page_num))
# 通过encrypt方法加密PDF文件,方法的参数就是设置的密码
writer.encrypt('foobared')
with open('resources/XGBoost-encrypted.pdf', 'wb') as file:
writer.write(file)
创建PDF文件
创建PDF文档需要三方库reportlab的支持,使用 pip install reportlab 命令安装
from reportlab.lib.pagesizes import A4
from reportlab.pdfbase import pdfmetrics
from reportlab.pdfbase.ttfonts import TTFont
from reportlab.pdfgen import canvas
pdf_canvas = canvas.Canvas('resources/python创建.pdf', pagesize=A4)
width, height = A4
# 绘图
image = canvas.ImageReader('resources/xxx.jpg')
pdf_canvas.drawImage(image, 20, height - 395, 250, 375)
# 显示当前页
pdf_canvas.showPage()
# 注册字体文件
pdfmetrics.registerFont(TTFont('Font1', 'resources/fonts/Vera.ttf'))
pdfmetrics.registerFont(TTFont('Font2', 'resources/fonts/青呱石头体.ttf'))
# 写字
pdf_canvas.setFont('Font2', 40)
pdf_canvas.setFillColorRGB(0.9, 0.5, 0.3, 1)
pdf_canvas.drawString(width // 2 - 120, height // 2, '你好,世界!')
pdf_canvas.setFont('Font1', 40)
pdf_canvas.setFillColorRGB(0, 1, 0, 0.5)
pdf_canvas.rotate(18)
pdf_canvas.drawString(250, 250, 'hello, world!')
# 保存
pdf_canvas.save()
补充
合并PDF
from PyPDF2 import PdfFileReader, PdfFileWriter
def merge_pdfs(paths, output):
pdf_writer = PdfFileWriter()
for path in paths:
pdf_reader = PdfFileReader(path)
for page in range(pdf_reader.getNumPages()):
# 将每页添加到writer对象
pdf_writer.addPage(pdf_reader.getPage(page))
# 写入合并的pdf
with open(output, 'wb') as out:
pdf_writer.write(out)
if __name__ == '__main__':
paths = ['document1.pdf', 'document2.pdf']
merge_pdfs(paths, output='merged.pdf')
添加水印
from PyPDF2 import PdfFileWriter, PdfFileReader
def create_watermark(input_pdf, output, watermark):
watermark_obj = PdfFileReader(watermark)
watermark_page = watermark_obj.getPage(0)
pdf_reader = PdfFileReader(input_pdf)
pdf_writer = PdfFileWriter()
# 给所有页面添加水印
for page in range(pdf_reader.getNumPages()):
page = pdf_reader.getPage(page)
page.mergePage(watermark_page)
pdf_writer.addPage(page)
with open(output, 'wb') as out:
pdf_writer.write(out)
if __name__ == '__main__':
create_watermark(
input_pdf='Jupyter_Notebook_An_Introduction.pdf',
output='watermarked_notebook.pdf',
watermark='watermark.pdf')
来源:https://blog.csdn.net/AI19970205/article/details/124909974
标签:Python,操作,PDF
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
巧用XSL和ASP在线编辑XML文档
2008-10-25 14:54:00
Django+Celery实现动态配置定时任务的方法示例
2021-06-11 13:56:19
![](https://img.aspxhome.com/file/2023/4/87704_0s.png)
基于python实现操作redis及消息队列
2021-08-06 22:31:29
Python趣味挑战之turtle库绘画飘落的银杏树
2023-07-21 21:46:40
![](https://img.aspxhome.com/file/2023/2/86372_0s.png)
Python中条件语句、循环语句和pass语句的使用示例
2021-05-13 23:23:27
![](https://img.aspxhome.com/file/2023/3/89203_0s.png)
Python unittest discover批量执行代码实例
2023-08-14 14:05:37
Python序列操作之进阶篇
2021-03-28 11:08:58
Python如何实现自带HTTP文件传输服务
2023-01-05 05:04:15
![](https://img.aspxhome.com/file/2023/9/90289_0s.png)
教你轻松了解MySQL数据库中的结果字符串
2009-02-23 17:29:00
一个将半角"转换为中文"的asp函数
2007-09-19 11:47:00
利用python实现可视化大屏
2023-08-17 17:29:17
![](https://img.aspxhome.com/file/2023/9/65489_0s.png)
Python 京东云无线宝消息推送功能
2021-08-19 09:45:57
python如何利用traceback获取详细的异常信息
2023-06-14 00:53:18
树型结构列出指定目录里所有文件的PHP类
2023-11-17 04:49:04
跨浏览器的本地存储(二):DOM:Storage
2008-08-15 13:39:00
java 截取字符串(判断汉字)
2023-06-29 23:38:19
详解python中__name__的意义以及作用
2021-11-20 19:44:24
tensorflow转onnx的实现方法
2022-07-08 23:04:51
Python列表生成器的循环技巧分享
2023-10-06 21:24:28
![](https://img.aspxhome.com/file/2023/8/63238_0s.png)
asp sqlserver 执行存储过程返回记录集报对象关闭时不允许操作
2011-03-11 10:57:00