使用Python进行PDF文档处理的常见操作

使用 Python 进行 PDF 文档处理可以通过多种库来实现，包括 PyPDF2、pdfplumber、reportlab、pdfminer 等。这些库可以处理不同的 PDF 任务，例如 提取文本、拆分合并 PDF、修改 PDF、生成 PDF 等。以下是几种常见操作及对应的库和代码示例。

1. 安装常用库
   首先，安装常用的 PDF 处理库：

pip install PyPDF2 pdfplumber reportlab

2. 提取 PDF 文本
   PyPDF2 和 pdfplumber 都可以用于提取 PDF 文本。PyPDF2 更轻量，但有时处理复杂的 PDF 格式效果较差，而 pdfplumber 更加适合处理表格等复杂结构的 PDF。

使用 PyPDF2 提取文本

import PyPDF2
 
# 打开 PDF 文件

with open('sample.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)
     
    # 提取每一页的文本
    for page_num in range(len(reader.pages)):
        page = reader.pages[page_num]
        text = page.extract_text()
        print(f"第 {page_num + 1} 页的文本:\n{text}")

使用 pdfplumber 提取文本
pdfplumber 更适合处理结构化数据，尤其是表格。

import pdfplumber
 
# 打开 PDF 文件
with pdfplumber.open('sample.pdf') as pdf:
    for page_num in range(len(pdf.pages)):
        page = pdf.pages[page_num]
        text = page.extract_text()
        print(f"第 {page_num + 1} 页的文本:\n{text}")

3. 合并与拆分 PDF 文件

使用 PyPDF2 合并 PDF 文件
可以将多个 PDF 文件合并为一个文件。

import PyPDF2
 
pdf_files = ['file1.pdf', 'file2.pdf', 'file3.pdf']
merger = PyPDF2.PdfMerger()
 
for pdf in pdf_files:
    merger.append(pdf)


 
# 保存合并后的 PDF 文件
with open('merged_output.pdf', 'wb') as output_file:
    merger.write(output_file)

使用 PyPDF2 拆分 PDF 文件
将 PDF 文件拆分为单独的页面。

import PyPDF2
 
# 打开 PDF 文件
with open('sample.pdf', 'rb'