Python办公自动化----PDF文件操作

最新推荐文章于 2024-10-23 11:08:32 发布

原创

最新推荐文章于 2024-10-23 11:08:32 发布 · 481 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python

本文介绍了如何使用Python进行PDF文件操作，包括从PDF中提取文本，旋转和叠加页面，添加空白页，以及加密PDF文件。通过第三方库，可以方便地实现这些功能，例如提取文本为字符串，旋转页面，叠加页面，以及设置PDF的访问口令和添加水印。

用Python操作PDF文件

PDF是Portable Document Format的缩写，这类文件通常使用.pdf作为其扩展名。

从PDF中提取文本

在Python中，用名为PyPDF2的三方库来读取PDF文件，可以使用下面的命令在终端来安装它。

pip install PyPDF2 -i https://pypi.doubanio.com/simple

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())

网上有很多讲解从PDF中提取文字的文章，《三大神器助力Python提取pdf文档信息》进一步了解。

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Page对象，利用Page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，代码如下所示。

import PyPDF2

reader = PyPDF2.PdfFileReader('test.pdf')
page = reader.getPage(0)
page.rotateClockwise(90)
writer = PyPDF2.PdfFileWriter()
writer.addPage(page)
with open('test-rotated.pdf', 'wb') as file:
    writer.write(file)

Page对象还有一个名为mergePage的方法，可以将一个页面和另一个页面进行叠加，对于叠加后的页面，使用PdfFileWriter对象的addPage将其添加到一个新的PDF文档中。