PDF文件操作神器PyPDF2：比想象中更强大的隐藏技巧！！！

networknomad

于 2025-06-11 11:32:49 发布

阅读量363

点赞数 5

CC 4.0 BY-SA版权

文章标签： pdf 其他

本文链接：https://blog.youkuaiyun.com/networknomad/article/details/148583144

文章目录


朋友们！今天咱们来聊聊一个看似普通但**绝对暗藏玄机**的工具——PyPDF2。这玩意儿在Python圈子里存在感可能不如Pandas那么强（毕竟不是天天都要折腾PDF对吧？），但关键时刻它真能救命啊！！！（特别是当你面对一堆扫描件合同或者电子报告的时候...）

## 🔍 先来个灵魂拷问：PyPDF2能干啥？

简单粗暴地说：**读取PDF内容、拆分合并页面、加解密文件、提取文本图片**... 甚至还能给PDF加书签！（没想到吧？）而且最爽的是——纯Python实现！**零外部依赖**！！！（不用装Java或者别的鬼东西，pip install PyPDF2就搞定）

---

## 🚀 基础操作三连击（打工人必看！）

### 1. 读取PDF内容 - 入门中的入门
```python
import PyPDF2

# 注意！一定要用二进制模式打开（'rb'）!!!
with open('神秘合同.pdf', 'rb') as file:
    pdf_reader = PyPDF2.PdfReader(file)
    
    # 获取总页数（超实用！）
    total_pages = len(pdf_reader.pages)
    print(f"总页数：{total_pages} （别被坑了！）")
    
    # 提取第一页文本
    first_page = pdf_reader.pages[0]
    text = first_page.extract_text()
    print(text[:100])  # 防止打印一屏幕

⚠️ 坑点预警：extract_text()提取的文本可能有乱码！（尤其是扫描版PDF）这时候需要祭出OCR大法了（比如PyMuPDF）

2. 合并PDF - 周报救星！！！

谁还没遇到过领导凌晨12点说"把这三个报告合成一个"？？？（窒息操作）

merger = PyPDF2.PdfMerger()

pdf_list = ['周报1.pdf', '周报2.pdf', '周报3.pdf']
for pdf in pdf_list:
    merger.append(pdf)

# 输出合并后的文件（建议加时间戳防覆盖）
import datetime
output_name = f"合并报告_{datetime.datetime.now().strftime('%Y%m%d')}.pdf"
merger.write(output_name)
merger.close()
print(f"✅ 合并完成！文件名：{output_name}")

👉 冷知识：用merger.merge(position, '插入文件.pdf')可以精准插入页面！比如在第5页后面塞新内容~

3. 拆分PDF - 按需取货

只要特定几页？安排！

pdf_reader = PyPDF2.PdfReader('超厚手册.pdf')
pdf_writer = PyPDF2.PdfWriter()

# 比如只要第3页和第7-9页（页码从0开始！）
target_pages = [2, 6, 7, 8]  
for page_num in target_pages:
    page = pdf_reader.pages[page_num]
    pdf_writer.add_page(page)

with open('精华版.pdf', 'wb') as output_file:
    pdf_writer.write(output_file)

💡 高频需求：按每页拆分成独立文件？加个循环就搞定！（文件名用page_{i}.pdf美滋滋）

🧠 进阶技巧：这些操作太骚了！

▫️ 给PDF加密码（保护隐私！）

pdf_writer = PyPDF2.PdfWriter()
pdf_writer.append('绝密文件.pdf')

# 设置密码（区分所有者密码和用户密码）
pdf_writer.encrypt(user_password="123456", owner_password="superadmin")

with open('加密版.pdf', 'wb') as f:
    pdf_writer.write(f)

📢 重要提醒：PyPDF2用的是AES-128加密，普通防护够用了（但别指望防黑客！）

▫️ 旋转页面 - 拯救扫描歪了的文件！

pdf_reader = PyPDF2.PdfReader('歪脖子合同.pdf')
pdf_writer = PyPDF2.PdfWriter()

for page in pdf_reader.pages:
    # 顺时针旋转90度（90的倍数才行！）
    page.rotate(90)  
    pdf_writer.add_page(page)

with open('摆正了.pdf', 'wb') as f:
    pdf_writer.write(f)

⚠️ 坑点：旋转操作是永久性的！建议先备份原文件！！！

with open('论文合集.pdf', 'rb') as f:
    pdf_reader = PyPDF2.PdfReader(f)
    pdf_writer = PyPDF2.PdfWriter(pdf_reader)

    # 在首页（第0页）添加书签
    pdf_writer.add_outline_item(title="第一章", page_number=0)
    
    # 添加子书签（跳转到第5页）
    parent = pdf_writer.add_outline_item("实验数据", page_number=4)
    pdf_writer.add_outline_item("数据表1", page_number=4, parent=parent)

with open('带目录版.pdf', 'wb') as f_out:
    pdf_writer.write(f_out)

🎉 从此告别"翻半天找不到图表在哪页"的噩梦！

💣 终极避坑指南（血泪经验！）

大文件杀手：PyPDF2处理超大型PDF（100+页）时内存占用爆炸！解决方案→试试PdfMerger的append方法或换用PyMuPDF（性能怪兽）

文本提取玄学：遇到提取乱码？大概率是PDF内嵌字体问题。终极方案→

text = page.extract_text(extraction_mode="layout") 
# 或者祭出PDFMiner库（更底层但复杂）

版本兼容地狱：PyPDF2有两个主流版本→
- PyPDF2 (维护中)
- PyPDF4 (但实际底层还是PyPDF2 😅)
强烈建议：坚持用import PyPDF2！别碰PyPDF3/PyPDF4（别问我是怎么知道的…）
无法编辑已有内容：想改PDF里的文字？抱歉这货做不到！（需要Adobe Acrobat DC这类专业工具）