用于处理PDF的模块是PyPDF2（区分大小写），使用pip安装。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
c:\python\Scripts>pip3.6
install
PyPDF2
Collecting PyPDF2
Downloading PyPDF2-1.26.0.
tar
.gz (77kB)
100% |████████████████████████████████| 81kB 69kB
/s
Installing collected packages: PyPDF2
Running setup.py
install
for
PyPDF2 ...
done
Successfully installed PyPDF2-1.26.0
c:\python>python.exe
Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC
v
.1900 64 bit (AMD64)] on win32
Type
"help"
,
"copyright"
,
"credits"
or
"license"
for
more
information.
>>>
import
PyPDF2
>>>
|
从PDF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，并将文本返回为python字符串。
PyPDF2从PDF提取文本时可能会出错，甚至根本不能打开某些PDF。
|
1
2
3
4
5
6
7
8
9
10
|
>>>
import
PyPDF2
>>> pdf1
=
open
(
'125001.pdf'
,
'rb'
)
##采用二进制模式打开
>>> pdfReader
=
PyPDF2.PdfFileReader(pdf1)
PdfReadWarning: Xref table
not
zero
-
indexed.
ID
numbers
for
objects will be corrected. [pdf.py:
1736
]
>>> pdfReader.numPages
##文档总页数
20
>>> page1
=
pdfReader.getPage(
0
)
##首页下标为0
>>> page1.extractText()
##返回该页文本的字符串
' H3C S12500 QoS\n www.h3c.com.cn \n121NI H3C S12500 QoS \n2O......SP Strict Priority \n ToS Type of Service \n '
>>>
|
解密PDF
某些PDF文档有加密功能，以防止别人阅读，只有在打开文档时提供口令才能阅读。
在文件用正确的口令解密之前，尝试调用函数来读取文件，将会导致错误。
decrypt()方法只解密了PdfFileReader对象，而不是实际的PDF文件。在程序中止后，硬盘上的文件仍然是加密的。程序下次运行时，仍然需要再次调用decrypt()。
|
1
2
3
4
5
6
7
|
>>>
import
PyPDF2
>>> pdfReader
=
PyPDF2.PdfFileReader(
open
(
'125003.pdf'
,
'rb'
))
>>> pdfReader.isEncrypted
##判断是否加密
True
>>> pdfReader.decrypt(
'password'
)
##使用口令解密，返回0表示失败
1
>>>
|
创建PDF
PdfFileWriter可以创建一个新的PDF文件。
它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。
模块不允许直接编辑PDF。必须创建一个新的PDF，然后从已有的文档拷贝内容。
操作步骤：
1、打开一个或多个已有的PDF，得到PdfFileReader对象
2、创建一个新的PdfFileReader对象
3、将页面从PdfFileReader对象拷贝到PdfFileWriter对象中
4、最后，利用PdfFileWriter对象写入输出的PDF
创建一个PdfFileWriter对象，只是在Python中创建一个代表PDF文档的值，这并没有创建实际的PDF文件，要实际生成文件，必须调用PdfFileWriter对象的write()方法。
拷贝页面
PyPDF2不能在PdfFileWriter对象中间插入页面，addPage()方法只能够在末尾添加页面。
传递给PyPDF2.PdfFileReader()的File对象，需要以读二进制的方式打开。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
>>>
import
PyPDF2
>>> pdf1
=
open
(
'125001.pdf'
,
'rb'
)
>>> pdf2
=
open
(
'125002.pdf'
,
'rb'
)
>>> pdf1Reader
=
PyPDF2.PdfFileReader(pdf1)
>>> pdf2Reader
=
PyPDF2.PdfFileReader(pdf2)
>>> pdfWriter
=
PyPDF2.PdfFileWriter()
>>>
for
page
in
range
(pdf1Reader.numPages):
... pageObj
=
pdf1Reader.getPage(page)
... pdfWriter.addPage(pageObj)
...
>>>
for
page
in
range
(pdf2Reader.numPages):
... pageObj
=
pdf2Reader.getPage(page)
... pdfWriter.addPage(pageObj)
...
>>> pdfFile
=
open
(
'new.pdf'
,
'wb'
)
##生成新PDF文件，包含前面几个文档的内容
>>> pdfWriter.write(pdfFile)
>>> pdfFile.close()
>>> pdf1.close()
>>> pdf2.close()
|
效果：
旋转页面
利用rotateClockwise()和rotateCounterClockwise()方法，PDF文档的页面也可以旋转90度的整数倍。
|
1
2
3
4
5
6
7
8
9
10
11
12
|
>>>
import
PyPDF2
>>> pdf1
=
open
(
'125001.pdf'
,
'rb'
)
>>> pdf1Reader
=
PyPDF2.PdfFileReader(pdf1)
>>> page
=
pdf1Reader.getPage(
0
)
>>> page.rotateClockwise(
90
)
{
'/CropBox'
: [
0
,
0
,
595.22
,
842
],
'/Parent'
: IndirectObject(
476
,
0
),
'/Conten......0'
: IndirectObject(
491
,
0
)}},
'/Type'
:
'/Page'
}
>>> pdfWriter
=
PyPDF2.PdfFileWriter()
>>> pdfWriter.addPage(page)
>>> newFile
=
open
(
'newfile.pdf'
,
'wb'
)
>>> pdfWriter.write(newFile)
>>> newFile.close()
>>> pdf1.close()
|
效果：
叠加页面
通过叠加页面的方式，很容易为多个文件添加水印，并且只针对程序指定的页面添加。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
>>>
import
PyPDF2
>>> pdf1
=
open
(
'125001.pdf'
,
'rb'
)
>>> pdf1Reader
=
PyPDF2.PdfFileReader(pdf1)
>>> pdf1Page1
=
pdf1Reader.getPage(
0
)
>>> pdfMarkReader
=
PyPDF2.PdfFileReader(
open
(
'125002.pdf'
,
'rb'
))
>>> pdf1Page1.mergePage(pdfMarkReader.getPage(
0
))
>>> pdfWriter
=
PyPDF2.PdfFileWriter()
>>> pdfWriter.addPage(pdf1Page1)
>>>
for
page
in
range
(
1
,pdf1Reader.numPages):
... pageObj
=
pdf1Reader.getPage(page)
... pdfWriter.addPage(pageObj)
...
>>> resultFile
=
open
(
'result.pdf'
,
'wb'
)
>>> pdfWriter.write(resultFile)
>>> pdf1.close()
>>> resultFile.close()
|
效果：
加密PDF
PdfFileWriter对象也可以为PDF文档进行加密。
PDF可以有一个用户口令（允许查看这个PDF）和一个拥有者口令（允许设置打印、注释、提取文本和其他功能的许可）。
用户口令和拥有者口令分别是encrypt()的第一个和第二个参数。
如果只传入一个字符串给encrypt()，它将作为两个口令。
|
1
2
3
4
5
6
7
8
9
10
11
12
|
>>>
import
PyPDF2
>>> pdf1
=
open
(
'125001.pdf'
,
'rb'
)
>>> pdf1Reader
=
PyPDF2.PdfFileReader(pdf1)
>>> pdfWriter
=
PyPDF2.PdfFileWriter()
>>>
for
page
in
range
(pdf1Reader.numPages):
... pdfWriter.addPage(pdf1Reader.getPage(page))
...
>>> pdfWriter.encrypt(
'123456'
)
>>> encryptFile
=
open
(
'encrypt.pdf'
,
'wb'
)
>>> pdfWriter.write(encryptFile)
>>> encryptFile.close()
>>> pdf1.close()
|
效果：
![[PDF提取重命名]提取识别文字并对PDF文件批量重命名,提取PDF指定可复制的内容并批量重命名PDF，批量PDF文档指定识别提取区域](https://ucc.alicdn.com/pic/developer-ecology/gt6vi3it2dzm6_86eb888fbaaa4491b057358c566e1967.jpg?x-oss-process=image/resize,h_160,m_lfit)