使用 Python 操作 PDF

在前面的教程中，我们已经讨论了使用 Python 编程语言的不同包和模块可以对 PDF 文件执行的各种操作。我们已经学习了不同 Python 库的工作原理，这些库可以用来操作 PDF 文件。此外，我们已经理解了使用 Python 提取文本、图像、表格和网址。

下面的教程将介绍操作 PDF 文件的一些其他操作，包括创建 PDF 文件、在 PDF 文件上添加文本、图像和表格等等。

那么，让我们开始吧。

使用 Python 创建 PDF 文件

Python 提供了一个功能，程序员也可以直接从代码中创建一个 PDF 文件。我们可以将 Python 代码中的文本、图像、表格和表单直接插入到 PDF 文件中。为了实现同样的目的，Python 编程语言提供了一个名为 reportlab 的库。

但是在我们开始使用库之前，我们有必要安装它。

安装 reportlab 库

我们可以使用 pip 安装程序使用以下命令安装 reportlab 库:

语法:

$ pip install reportlab

现在，让我们从实现部分开始；我们可以执行以下操作:

示例:

from reportlab.lib.pagesizes import LETTER
from reportlab.pdfgen.canvas import Canvas 
# creating a new pdf file
my_canvas = Canvas("newfile.pdf", pagesize = LETTER)
my_canvas.save()

说明:

在上面的代码片段中，我们已经从它们各自的模块中导入了所需的函数。然后我们创建了一个名为newfile.pdf 的 PDF 文件。在画布()功能中，我们将 PDF 页面的大小设置为字母大小，这是由 reportlab 库提供的预定义大小。然后，我们使用保存()功能保存了创建的 PDF 文件。

使用 Python 在 PDF 上添加文本

借助 reportlab 库，我们可以轻松添加一个 PDF 文件。让我们考虑下面的例子来理解这一点:

示例:

from reportlab.lib.pagesizes import LETTER
from reportlab.lib.units import inch
from reportlab.pdfgen.canvas import Canvas
from reportlab.lib.colors import purple
# creating the pdf file
my_canvas = Canvas("textfile.pdf", pagesize = LETTER)
# setting up the font and the font size
my_canvas.setFont("Courier", 18)
# setting up the color of the font as red
my_canvas.setFillColor(purple)
# writing this text on the PDF file 
my_canvas.drawString(2 * inch, 8 * inch, "Welcome to Javatpoint for Python Tutorial")
my_canvas.save()

输出:

说明:

在上面的代码片段中，我们再次从它们各自的模块中导入了函数。然后我们创建了一个名为 textfile.py. 的 PDF 文件，我们正在设置字体和字体大小，因为我们要在 PDF 文件上写一些文本。借助 reportlab 的预定义功能，我们将 PDF 大小设置为 LETTER，字体设置为 Courier，字体设置为 18 字体。然后我们借助设置填充颜色功能为文本选择了紫色颜色。在这之后，我们在 PDF 文件上写了一些文本，指定了文本在 PDF 页面上的位置。最后，我们使用 save() 功能保存了创建的 PDF 文件。因此，我们成功地创建了一个 PDF 文件。

使用 Python 在 PDF 上添加图像

我们也可以利用 Python reportlab 库在 PDF 文件中插入图像。与在 PDF 文件中插入文本相比，插入图像可能是一项乏味的工作。图像有其独特的大小，PDF 文件也是如此。因此，管理图像的大小和找到图像的最佳位置可能是一项乏味的工作。

让我们考虑以下示例来理解在 PDF 文件中添加图像:

示例:

from reportlab.lib.pagesizes import LETTER
from reportlab.pdfgen.canvas import Canvas
my_canvas = Canvas("imgfile.pdf", pagesize = LETTER)
my_canvas.drawInlineImage("my_image.jpg", 100, 450)
my_canvas.save()

输出:

说明:

在上面的代码片段中，我们已经导入了所需的函数。然后我们使用 Canvas() 函数创建一个新的 PDF 文件。然后，我们使用了drawinliningimage()函数，以便将图像插入到创建的 PDF 文件中。我们已经指定了图像在目录中的位置以及图像的位置，即要在 PDF 文件上设置的 (100，450) 。 reportlab 库将 PDF 文件的左下方位置视为 (0，0) ，并以类似的方式管理图像的位置。字母大小的 PDF 尺寸为 612x792、和 (100，450) 将是图像在 PDF 文件上的位置。

使用 Python 在 PDF 上添加表格

我们也可以使用 reportlab 库向 PDF 文件添加表格。让我们考虑下面的例子来理解在 PDF 文件中添加表格。

示例:

from reportlab.lib import colors
from reportlab.lib.pagesizes import letter, inch
from reportlab.platypus import SimpleDocTemplate, Table, TableStyle 
# creating a pdf file to add tables
my_doc = SimpleDocTemplate("table.pdf", pagesize = letter)
my_obj = []
# defining Data to be stored on table
my_data = [
   ["ID", "1234"],
   ["Name", "Den Arthur"],
   ["Profession", "Software Developer"],
   ["Age", "28"],
   ["Sex", "Male"]
]
# Creating the table with 5 rows
my_table = Table(my_data, 1 * [1.6 * inch], 5 * [0.5 * inch])
# setting up style and alignments of borders and grids
my_table.setStyle(
   TableStyle(
       [
           ("ALIGN", (1, 1), (0, 0), "LEFT"),
           ("VALIGN", (-1, -1), (-1, -1), "TOP"),
           ("ALIGN", (-1, -1), (-1, -1), "RIGHT"),
           ("VALIGN", (-1, -1), (-1, -1), "TOP"),
           ("INNERGRID", (0, 0), (-1, -1), 1, colors.black),
           ("BOX", (0, 0), (-1, -1), 2, colors.black),
       ]
   )
)
my_obj.append(my_table)
my_doc.build(my_obj)

输出:

说明:

在上面的代码片段中，我们创建了一个新的带有字母大小的 PDF 文件。要存储在表格中的数据在列表“我的数据”中提供。这里列表的形状是 5x2。五排两列。因此，这是将在 PDF 文件上形成的表格。之后，我们定义了表格的边距、网格线、它们的大小和形状。我们还使用了设置样式功能。也可以参考 reportlab 库的官方文档来创建表格。如果这些网格线没有被定义，那么在 PDF 上就会有一个排列顺序的细节；然而，没有被网格线或边界分开。

使用 Python 突出显示 PDF 上的文本

Python 还为我们提供了在名为“fitz”的 PDF 文件中突出显示文本内容的功能顺序。Fitz 是我们可以用来对 PDF 文件进行文本高亮显示的最简单的库。由于我们已经讨论了 fitz 库的安装过程，让我们直接进入 fitz 库的实现，以便突出 PDF 上的文本。

示例:

import fitz   
# opening the pdf file
my_pdf = fitz.open("my_file.pdf")    
# input text to be highlighted
my_text = "Boring"  
# iterating through pages for highlighting the input phrase
for n_page in my_pdf:
    matchWords = n_page.search_for(my_text)    
    for word in matchWords:
        my_highlight = n_page.add_highlight_annot(word)
        my_highlight.update()   
# saving the pdf file as highlighted.pdf
my_pdf.save("highlighted_text.pdf")

输出:

说明:

在上面的代码片段中，我们已经导入了 fitz 库。然后我们使用了 open() 功能来加载将要突出显示的 PDF 文件 my_file.pdf，。要突出显示的短语在文本变量中给出。我们在突出这个词“无聊”。然后，我们遍历每一页，看看是否有与该单词匹配的潜在内容。如果找到匹配的单词，我们已经使用了 fitz 中的 add_highlight_annot 函数来突出显示它们。因此，通过这种方式，我们获得了 PDF 文件上的高亮文本。

使用 Python 调整 PDF 页面的大小

调整页面大小是使用 Python 操作 PDF 文件的另一个例子。有时，在 PDF 页面上调整大小可能是必要的，Python 提供了一个名为 PyPDF2、的库，程序员可以使用它来执行页面调整大小的功能。让我们考虑下面的例子来理解这一点:

示例:

import PyPDF2 
myPDF = "my_file.pdf"
myPDF = PyPDF2.PdfFileReader(myPDF)
my_page = myPDF.getPage(0)
# Resizing the first page
my_page.scaleBy(0.5)
my_resized = PyPDF2.PdfFileWriter()
my_resized.addPage(my_page) 
with open("resizedFile.pdf", "wb+") as f:
    my_resized.write(f)

输出:

说明:

在上面的代码片段中，我们已经导入了所需的库。然后，我们开始读取需要调整大小的输入 PDF 文件。然后，我们读了它的页面。这里我们只调整了第一页的大小，所以 getPage 函数被提供了值 0，代表初始页面。现在，为了调整页面大小，我们使用了缩放比功能，并将第 0 页缩放了 0.5。因此，第一页减少了页面实际尺寸的一半。然后我们将页面保存到一个新的 PDF 文件resizedFile.pdf。通过这种方式，我们成功地使用 Python 执行了页面调整。

使用 Python 将 PDF 文件转换为 CSV

有时，表格数据也以 PDF 格式呈现。但是，这些类型的信息不能直接解析。例如，我们不能直接使用Pandas库处理带有数据帧的 PDF 文件，在处理之前必须将其转换为 CSV 或 Excel 格式。由于这是一个相当重要的过程，我们将了解如何将 PDF 文件转换为 CSV 格式。

让我们从安装名为“白板”的 Python 库开始

安装白板库

我们可以使用 pip 安装程序使用以下命令安装白板库:

语法:

$ pip3 install tabula-py

现在，让我们借助下面的例子来理解白板库在将 PDF 文件转换为 CSV 格式中的实现:

示例:

import tabula
tabula.convert_into(
    "tableFile.pdf",
    "tableFile.csv",
    output_format = "csv",
    pages = "all"
    )

说明:

在下面的代码片段中，我们已经导入了白板库。然后，我们使用了一个名为“转换成”的单行函数，指定参数为输入 PDF 文件的路径、文件必须转换到的路径、输出文件的格式以及我们想要转换的页数。通过这种方式，我们可以轻松有效地将 PDF 文件转换为 CSV 格式。

使用像 Python 这样的编程语言，我们可以对 PDF 文件执行许多其他功能。也可以参考官方文件进行参考。