• 技术文章 >后端开发 >Python教程

    总结用Python 操作 PDF 的几种方法

    coldplay.xixicoldplay.xixi2020-10-08 17:50:24转载258

    python教程栏目今天为大家总结用Python操作PDF的几种方法。

    01

    前言

    大家好,有关 Python 操作 PDF 的案例之前已经写过一个?PDF批量合并,这个案例初衷只是给大家提供一个便利的脚本,并没有太多讲解原理,其中涉及的就是 PDF 处理很实用的模块 PyPDF2 ,本文就好好剖析一下这个模块,主要将涉及

    02

    基本操作

    PyPDF2 导入模块的代码常常是:

    from PyPDF2 import PdfFileReader, PdfFileWriter复制代码

    这里导入了两个方法:

    接下来通过几个案例进一步认识这两个工具的奇妙之处,用到的示例文件是5个发票的 pdf

    每个发票的 PDF 都由两页组成:

    03

    合并

    第一个工作是将5个发票pdf合并成10页。这里读取器和写入器应该怎么配合呢?

    逻辑如下:

    这里还有一个重要的知识点:读取器只能将读取的内容一页一页交给写入器。

    因此,逻辑中第1步和第2步实际上不是彼此独立的步骤,而是读取器读取完一个pdf后,就将这个pdf全部页循环一遍,挨页交给写入器。最后等读取工作全部结束后再输出。

    看一下代码可以让思路更清楚:

    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'\合并PDF\merge.pdf', 'wb') as out:
        pdf_writer.write(out)复制代码

    由于全部内容都需要交给同一个写入器最后一起输出,所以写入器的初始化一定是在循环体之外的.

    如果在循环体内则会变成每次访问读取一个pdf就生成一个新的写入器,这样每一个读取器交给写入器的内容就会被反复覆盖,无法实现我们的合并需求!

    循环体开头的代码:

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

    目的就是每次循环读取一个新的 pdf 文件交给读取器进行后续操作。实际上这种写法不是很提倡,由于各 pdf 命名恰好很规则,所以可以直接人为指定数字进行循环。更好的方法是用 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(): 能够获取读取器的页数,配合 range 就能遍历读取器的所有页。

    pdf_writer.addPage(pdf_reader.getPage(page)) 能够将当前页交给写入器。

    最后,用 with 新建一个 pdf 并由写入器的 pdf_writer.write(out) 方法输出即可。

    04

    拆分

    如果明白了合并操作中读取器和写入器的配合,那么拆分就很好理解了,这里我们以拆分 INV1.pdf 为2个单独的 pdf 文档为例,同样也先来捋一捋逻辑:

    通过这个代码逻辑我们也可以明白,写入器初始化和输出的位置一定都在读取 PDF 循环每一页的循环体内,而不是在循环体外

    代码很简单:

    from PyPDF2 import PdfFileReader, PdfFileWriter
    path = r'C:\Users\xxx'
    pdf_reader = PdfFileReader(path + '\INV1.pdf')
    
    for page in range(pdf_reader.getNumPages()):
        # 遍历到每一页挨个生成写入器
        pdf_writer = PdfFileWriter()
        pdf_writer.addPage(pdf_reader.getPage(page))
        # 写入器被添加一页后立即输出产生pdf
        with open(path + '\INV1-{}.pdf'.format(page + 1), 'wb') as out:
            pdf_writer.write(out)复制代码

    05

    水印

    本次的工作是将下图作为水印添加到 INV1.pdf

    首先是准备工作,将需要作为水印的图片插入 word 中调整合适位置后保存为PDF文件。然后就可以码代码了,需要额外用到 copy 模块,具体解释见下图:

    就是把读取器和写入器初始化,并且把水印 PDF 页先读取好备用,核心代码稍微比较难理解:

    加水印本质上就是把水印 PDF 页和需要加水印的每一页都合并一遍

    由于需要加水印的 PDF 可能有很多页,而水印 PDF 只有一页,因此如果直接把水印 PDF 拿来合并,可以抽象理解成加完第一页,水印 PDF 页就没有了

    因此不能直接拿来合并,而要把水印 PDF 页不断 copy 出来成新的一页备用 new_page ,再运用 .mergePage 方法完成跟每一页合并,把合并后的页交给写入器待最后统一输出!

    关于 .mergePage 的使用:出现在下面的页 .mergePage (出现在上面的页),最后效果如图:

    06

    加密

    加密很简单,只需要记住:「加密是针对写入器加密」

    因此只需要在相关操作完成后调用 pdf_writer.encrypt (密码)

    以单个 PDF 的加密为例:

    写在最后

    当然除了对 PDF 的合并、拆分、加密、水印,我们还可以使用 Python 结合 Excel 和 Word 实现更多的自动化需求,这些就留给读者自己开发。Python资源分享君羊1075110200 ,内有安装包,PDF,学习视频,这里是Python学习者的聚集地,零基础,进阶,都欢迎

    最后还是希望大家能够理解Python办公自动化的一个核心就是批量操作-解放双手,让复杂的工作自动化!

    更多相关免费学习推荐:python教程(视频)

    以上就是总结用Python 操作 PDF 的几种方法的详细内容,更多请关注php中文网其它相关文章!

    本文转载于:juejin,如有侵犯,请联系a@php.cn删除
    专题推荐:python pdf
    上一篇:Python Flask大刀解决跨域问题 下一篇:1%的人知道的pandas骚操作,传授给你
    第13期线上培训班

    相关文章推荐

    • linux平台PHP实现word转pdf的方法• php如何实现pdf转换成图片• 建立一个完美的Python项目• 使用Python时多少有人走过的坑!避险!

    全部评论我要评论

  • 取消发布评论发送
  • 1/1

    PHP中文网