PyPDF2是python的处理PDF文件的基本操作介绍

off999 2024-09-21 20:58 32 浏览 0 评论

1 说明

1.1 PyPDF2：使用它可以轻松的处理 pdf 文件，它提供了读，割，合并，文件转换等多种操作。

1.2 PyPDF2可以对PDF文件进行加密，解密，目前已经更新到PyPDF3版本，本文基于PyPDF2进行介绍。

1.3 环境：python3.8，deepin-linux操作系统，微软vscode编辑器。

2 安装

pip install PyPDF2

#pip3.8 install PyPDF2  #本机安装

3 相关网址：

https://pythonhosted.org/PyPDF2/

https://pypi.org/project/PyPDF2/1.26.0/

https://github.com/mstamy2/PyPDF2/

4 PDF文件的合并，mergepdf.py代码如下：

#pdf文件合并=merge
from PyPDF2 import PdfFileMerger

merger = PdfFileMerger()
#将3个pdf文件合并，注意路径和目录
input1 = open("/home/xgj/Desktop/PyPDF2/1.pdf", "rb")
input2 = open("/home/xgj/Desktop/PyPDF2/2.pdf", "rb")
input3 = open("/home/xgj/Desktop/PyPDF2/3.pdf", "rb")

#默认作为第一张，即position = 1,pages = (0,1)代表1.pdf的第一张，如果有很多张，注意取第几张到第几张
merger.append(fileobj = input1, pages = (0,1))

#与上面相同
merger.merge(position = 2, fileobj = input2, pages = (0,1))

# append entire input3 document to the end of the output document
# 将3.pdf添加到上述的后面
merger.append(input3)

# Write to an output PDF document，生成新的pdf
output = open("/home/xgj/Desktop/PyPDF2/document-output.pdf", "wb")
merger.write(output)

5 拆分pdf文件，splitpdf.py代码

from PyPDF2 import PdfFileReader, PdfFileWriter
 
def split(path, name_of_split):
    pdf = PdfFileReader(path)
    for page in range(pdf.getNumPages()):
        pdf_writer = PdfFileWriter()
        pdf_writer.addPage(pdf.getPage(page))
        #拆分在根目录下
        #output = f'{name_of_split}{page}.pdf'
        #指定目录下
        output = f'/home/xgj/Desktop/PyPDF2/{name_of_split}{page}.pdf'
        with open(output, 'wb') as output_pdf:
            pdf_writer.write(output_pdf)
 
if __name__ == '__main__':
    #要拆分的pdf文件及目录
    path = '/home/xgj/Desktop/PyPDF2/4.pdf'
    #注意name_of_split=NO
    split(path, 'NO')

6 pdf文件加密，jiamipdf.py代码

from PyPDF2 import PdfFileWriter, PdfFileReader
 
def add_encryption(input_pdf, output_pdf, password):
    pdf_writer = PdfFileWriter()
    pdf_reader = PdfFileReader(input_pdf)
    for page in range(pdf_reader.getNumPages()):
        pdf_writer.addPage(pdf_reader.getPage(page))
    pdf_writer.encrypt(user_pwd=password, owner_pwd=None,use_128bit=True)
    with open(output_pdf, 'wb') as fh:
        pdf_writer.write(fh)

if __name__ == '__main__':
    #input是需要加密的pdf文件和目录，output是生成加密的原pdf的新pdf文件
    #自定义密码
    add_encryption(input_pdf='/home/xgj/Desktop/PyPDF2/1.pdf',
                   output_pdf='/home/xgj/Desktop/PyPDF2/1m.pdf',password='123456')

7 解密pdf文件

7.1 jiemipdf.py代码

import os
#指定目录，即更改根目录的方法
os.chdir('/home/xgj/Desktop/PyPDF2')
from PyPDF2 import PdfFileReader,PdfFileWriter

pdf_reader = PdfFileReader("1m.pdf")
#知道密码情况下，注意是解密，不是破解密码
pdf_reader.decrypt("123456")
pdf_writer = PdfFileWriter()
for page in range(pdf_reader.getNumPages()):
    pdf_writer.addPage(pdf_reader.getPage(page))

with open("encrypted.pdf", "wb") as out:
    pdf_writer.write(out)

7.2 注意细节：适合批量解密pdf文件，并且自己知道密码。

7.3 注意代码简洁，导入os，提前设路径，顺带复习python的os模块的路径设置。

===========================

8 pdf加水印：watermarkpdf.py代码

from PyPDF2 import PdfFileReader, PdfFileWriter
#安装：pip install reportlab，下次单独将这个模块
from reportlab.lib.units import cm
from reportlab.pdfgen import canvas
import reportlab.pdfbase.ttfonts

# 创建水印信息
def create_watermark(content):
    #生成一个单独的水印pdf，注意路径和目录
    file_name = "/home/xgj/Desktop/PyPDF2/mark.pdf"
    c = canvas.Canvas(file_name, pagesize=(30 * cm, 30 * cm))
    # 移动坐标原点(坐标系左下为(0,0))
    c.translate(4 * cm, 0 * cm)
    # 设置字体格式与大小,中文需要加载能够显示中文的字体，否则就会乱码，注意字体路径
    # 如果是中文就是try
    try:
        reportlab.pdfbase.pdfmetrics.registerFont(reportlab.pdfbase.ttfonts.TTFont('yahei', 'hwfs.ttf'))
        c.setFont('yahei', 50)
    #如果是英文就是except
    except:
            # 默认字体，只能够显示英文
        c.setFont("Helvetica", 30)
        #这一行多次一举，注释掉
        #content = "I love python"

    # 旋转角度度,坐标系被旋转
    c.rotate(30)
    # 指定填充颜色
    c.setFillColorRGB(0, 0, 0)
    # 设置透明度,1为不透明
    c.setFillAlpha(0.05)
    # 画几个文本,注意坐标系旋转的影响
    c.drawString(0 * cm, 3 * cm, content)
    # 关闭并保存pdf文件
    c.save()
    return file_name
 
# 插入水印
def add_watermark(pdf_file_in, pdf_file_mark, pdf_file_out):
    pdf_output = PdfFileWriter()
    input_stream = open(pdf_file_in, 'rb')
    pdf_input = PdfFileReader(input_stream, strict=False)
    # 获取PDF文件的页数
    pageNum = pdf_input.getNumPages()
    # 读入水印pdf文件
    pdf_watermark = PdfFileReader(open(pdf_file_mark, 'rb'), strict=False)
    # 给每一页打水印
    for i in range(pageNum):
        page = pdf_input.getPage(i)
        page.mergePage(pdf_watermark.getPage(0))
        page.compressContentStreams()  # 压缩内容
        pdf_output.addPage(page)
    pdf_output.write(open(pdf_file_out, 'wb'))
 
if __name__ == '__main__':
    #需要加水印的pdf文件和目录
    pdf_file_in = '/home/xgj/Desktop/PyPDF2/123.pdf'
    #生成新的加过水印的pdf文件
    pdf_file_out = '/home/xgj/Desktop/PyPDF2/watermark.pdf'
    #设置加水印的文字内容：英文
    pdf_file_mark = create_watermark(r'I love python')
    #设置加水印的文字内容：中文
    #pdf_file_mark = create_watermark(r'水印')
    add_watermark(pdf_file_in, pdf_file_mark, pdf_file_out)

自己整理，分享出来，已经亲测，欢迎转发和收藏，自己以后拿来就用，希望大家希望。

python读取pdf