总结用Python 操作 PDF 的几种方法-Python教程

资源魔 2020-10-09 22:47:09 56 0

python教程栏目明天为各人总结用Python操作PDF的几种办法。

媒介

各人好，无关 Python 操作 PDF 的案例以前曾经写过一个?PDF批量兼并，这个案例初志只是给各人提供一个便当的剧本，并无太多解说原理,此中触及的就是 PDF 解决很适用的模块 PyPDF2 ，本文就好好分析一下这个模块，次要将触及

os 模块综合使用
glob 模块综合使用
PyPDF2 模块操作

根本操作

PyPDF2 导入模块的代码经常是：

from PyPDF2 import PdfFileReader, PdfFileWriter复制代码

这里导入了两个办法：

PdfFileReader 能够了解为读取器
PdfFileWriter 能够了解为写入器

接上去经过几个案例进一步意识这两个对象的微妙的地方，用到的示例文件是5个发票的 pdf

每一个发票的 PDF 都由两页组成：

兼并

第一个工作是将5个发票pdf兼并成10页。这里读取器以及写入器应该怎样合营呢？

逻辑以下：

读取器将一切pdf读取一遍
读取器将读取的内容交给写入器
写入器对立输入到一个新pdf

这里另有一个首要的常识点：读取器只能将读取的内容一页一页交给写入器。

因而，逻辑中第1步以及第2步实际上没有是彼此自力的步骤，而是读取器读取完一个pdf后，就将这个pdf全副页轮回一遍，挨页交给写入器。最初等读取工作全副完结后再输入。

看一下代码能够让思绪更分明：

from PyPDF2 import PdfFileReader, PdfFileWriter

path = r'C:\Users\xxxxxx'
pdf_writer = PdfFileWriter()

for i in range(1, 6):
    pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))
    for page in range(pdf_reader.getNumPages()):
        pdf_writer.addPage(pdf_reader.getPage(page))

with open(path + r'\兼并PDF\merge.pdf', 'wb') as out:
    pdf_writer.write(out)复制代码

因为全副内容都需求交给同一个写入器最初一同输入，以是写入器的初始化肯定是正在轮回体以外的.

假如正在轮回体内则会变为每一次拜访读取一个pdf就天生一个新的写入器，这样每个读取器交给写入器的内容就会被重复笼罩，无奈完成咱们的兼并需要!

轮回体扫尾的代码：

for i in range(1, 6):
    pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))复制代码

目的就是每一次轮回读取一个新的 pdf 文件交给读取器进行后续操作。实际上这类写法没有是很倡导，因为各 pdf 定名恰恰很规定，以是能够间接工钱指定命字进行轮回。更好的办法是用 glob 模块：

import glob
for file in glob.glob(path + '/*.pdf'):
    pdf_reader = PdfFileReader(path)复制代码

代码中 pdf_reader.getNumPages(): 可以猎取读取器的页数，合营 range 就能遍历读取器的一切页。

pdf_writer.addPage(pdf_reader.getPage(page)) 可以将以后页交给写入器。

最初，用 with 新建一个 pdf 并由写入器的 pdf_writer.write(out) 办法输入便可。

拆分

假如明确了兼并操作中读取器以及写入器的合营，那末拆分就很好了解了，这里咱们以拆分 INV1.pdf 为2个独自的 pdf 文档为例，一样也先来捋一捋逻辑：

读取器读取 PDF 文档
读取器一页一页交给写入器
写入器每一猎取一页就立刻输入

经过这个代码逻辑咱们也能够明确，写入器初始化以及输入的地位肯定都正在读取 PDF 轮回每一一页的轮回体内，而没有是正在轮回体外

代码很简略：

from PyPDF2 import PdfFileReader, PdfFileWriter
path = r'C:\Users\xxx'
pdf_reader = PdfFileReader(path + '\INV1.pdf')

for page in range(pdf_reader.getNumPages()):
    # 遍历到每一一页挨个天生写入器
    pdf_writer = PdfFileWriter()
    pdf_writer.addPage(pdf_reader.getPage(page))
    # 写入器被增加一页后立刻输入孕育发生pdf
    with open(path + '\INV1-{}.pdf'.format(page + 1), 'wb') as out:
        pdf_writer.write(out)复制代码

水印

本次的工作是将下图作为水印增加到 INV1.pdf 中

起首是预备工作，将需求作为水印的图片拔出 word 中调整合适地位后保留为PDF文件。而后就能够码代码了，需求额定用到 copy 模块，详细诠释见下图：

就是把读取器以及写入器初始化，而且把水印 PDF 页先读取好备用,外围代码略微比拟难了解：

加水印实质上就是把水印 PDF 页以及需求加水印的每一一页都兼并一遍

因为需求加水印的 PDF 可能有不少页，而水印 PDF 只有一页，因而假如间接把水印 PDF 拿来兼并，能够形象了解成加完第一页，水印 PDF 页就不了。

因而不克不及间接拿来兼并，而要把水印 PDF 页一直 copy 进去成新的一页备用 new_page ，再运用 .mergePage 办法实现跟每一一页兼并，把兼并后的页交给写入器待最初对立输入!

对于 .mergePage 的应用：呈现正在上面的页 .mergePage (呈现正在下面的页)，最初成果如图：

加密

加密很简略，只要要记住：「加密是针对写入器加密」

因而只要要正在相干操作实现后挪用 pdf_writer.encrypt (明码)

以单个 PDF 的加密为例：

写正在最初

当然除了了对 PDF 的兼并、拆分、加密、水印，咱们还能够应用 Python 连系 Excel 以及 Word 完成更多的主动化需要，这些就留给读者本人开发。Python资本分享君羊1075110200 ,内有装置包，PDF，学习视频，这里是Python学习者的凑集地，零根底，进阶，都欢送

最初仍是心愿各人可以了解Python办公主动化的一个外围就是批量操作-解放双手，让复杂的工作主动化！