您的位置:

PyPDF2:功能强大的Python PDF库

一、简介

PyPDF2是一个强大的Python PDF库,可以实现PDF文件的合并、分割、旋转、水印添加、文本提取、表单填充、密码保护等多种操作。该库基于PDF文件的核心结构,直接操作PDF的内容,兼容所有PDF版本。使用PyPDF2,可以方便快捷地处理PDF文件,适用于PDF操作的各种场景。

二、安装与环境

在安装PyPDF2之前,要确保Python已经正确安装并配置好PATH环境变量。PyPDF2支持Python2.x和Python3.x,根据需要选择相应的版本。

1、安装方式

使用pip命令可以方便快捷地安装PyPDF2:

pip install PyPDF2

2、导入库

安装完成之后,需要导入PyPDF2库才能使用其中的API:

import PyPDF2

三、基本用法

1、PDF文件读取与写入

使用PdfFileReader读取PDF文件,使用PdfFileWriter写入PDF文件:

with open('example.pdf', 'rb') as f:
    pdf_reader = PyPDF2.PdfFileReader(f)
    pages = pdf_reader.getNumPages()
    print(pages)
    
    pdf_writer = PyPDF2.PdfFileWriter()
    for page_num in range(pages):
        pdf_writer.addPage(pdf_reader.getPage(page_num))
            
    with open('example_copy.pdf', 'wb') as f_copy:
        pdf_writer.write(f_copy)

以上代码读取了当前目录下的example.pdf文件,打印该文件的页数。然后创建一个新的PDF文件,并将example.pdf的所有页面写入。

2、PDF文件合并与分割

PDF文件合并可以使用PdfFileMerger完成,代码如下:

pdf_merger = PyPDF2.PdfFileMerger()

with open('example1.pdf', 'rb') as f:
    pdf_merger.append(f)
    
with open('example2.pdf', 'rb') as f:
    pdf_merger.append(f)
    
with open('example3.pdf', 'rb') as f:
    pdf_merger.append(f)

with open('merged.pdf', 'wb') as f:
    pdf_merger.write(f)

以上代码将当前目录下的三个PDF文件合并为一个新文件merged.pdf。

PDF文件分割可以使用PdfFileReaderPdfFileWriter完成,代码如下:

with open('example.pdf', 'rb') as f:
    pdf_reader = PyPDF2.PdfFileReader(f)
    pages = pdf_reader.getNumPages()
    
    for page_num in range(pages):
        pdf_writer = PyPDF2.PdfFileWriter()
        pdf_writer.addPage(pdf_reader.getPage(page_num))
            
        with open(f'page_{page_num}.pdf', 'wb') as f_copy:
            pdf_writer.write(f_copy)

以上代码将当前目录下的example.pdf文件拆分为多个PDF文件,每个文件仅包含一张页面。

3、PDF文件加密与解密

PDF文件加密可以使用encrypt()完成,代码如下:

with open('example.pdf', 'rb') as f:
    pdf_reader = PyPDF2.PdfFileReader(f)
        
    pdf_writer = PyPDF2.PdfFileWriter()

    for page_num in range(pdf_reader.getNumPages()):
        pdf_writer.addPage(pdf_reader.getPage(page_num))

    pdf_writer.encrypt('password')

    with open('encrypted_example.pdf', 'wb') as f_copy:
        pdf_writer.write(f_copy)

以上代码对当前目录下的example.pdf文件进行加密,并保存为encrypted_example.pdf文件,密码为password。

PDF文件解密可以使用decrypt()完成,代码如下:

with open('encrypted_example.pdf', 'rb') as f:
    pdf_reader = PyPDF2.PdfFileReader(f)
        
    if pdf_reader.isEncrypted:
        pdf_reader.decrypt('password')
        
    with open('decrypted_example.pdf', 'wb') as f_copy:
        pdf_writer.write(f_copy)

以上代码对加密后的文件encrypted_example.pdf进行解密,并保存为decrypted_example.pdf文件,密码为password。

四、扩展功能

1、PDF文件水印添加

使用mergePage()可以将水印添加到PDF文件中,代码如下:

with open('example.pdf', 'rb') as f:
    pdf_reader = PyPDF2.PdfFileReader(f)
        
    pdf_writer = PyPDF2.PdfFileWriter()

    for page_num in range(pdf_reader.getNumPages()):
        page = pdf_reader.getPage(page_num)
        page.mergePage(watermark.getPage(0))
        pdf_writer.addPage(page)

    with open('watermarked_example.pdf', 'wb') as f_copy:
        pdf_writer.write(f_copy)

以上代码将名为watermark.pdf的PDF文件作为水印,添加到当前目录下的example.pdf文件的每一页之上,并保存为watermarked_example.pdf文件。

2、PDF表单填充

使用getField()setField()可以实现PDF表单填充,代码如下:

with open('form.pdf', 'rb') as f:
    pdf_reader = PyPDF2.PdfFileReader(f)
        
    pdf_writer = PyPDF2.PdfFileWriter()

    for page_num in range(pdf_reader.getNumPages()):
        pdf_writer.addPage(pdf_reader.getPage(page_num))

    pdf_writer.getFields()['Name'].setValue('Alice')
    pdf_writer.getFields()['Age'].setValue('23')
    pdf_writer.getFields()['Gender'].setValue('Female')

    with open('filled_form.pdf', 'wb') as f_copy:
        pdf_writer.write(f_copy)

以上代码打开名为form.pdf的PDF表单文件,将其中的三个字段分别设置为Alice、23和Female,并保存为filled_form.pdf文件。

3、PDF文本提取

使用PdfFileReader获取PDF文件中的文本信息,并进行处理,代码如下:

with open('example.pdf', 'rb') as f:
    pdf_reader = PyPDF2.PdfFileReader(f)
    text = ''

    for page in range(pdf_reader.getNumPages()):
        text += pdf_reader.getPage(page).extractText()
    
    with open('extracted_text.txt', 'w', encoding='utf-8') as f_copy:
        f_copy.write(text)

以上代码从当前目录下的example.pdf文件中提取所有文本信息,并保存为extracted_text.txt文件。

结束语

PyPDF2是一个功能强大的Python PDF库,涵盖了PDF文件的合并、分割、旋转、水印添加、文本提取、表单填充、密码保护等多种操作。无论您是需要在项目中自动化处理PDF文档,还是需要开发一个PDF相关的工具,PyPDF2将是一个十分实用的库。