一个神奇 Python 库，PyPDF2帮你在工作中轻松驾驭PDF

代码小念

于 2024-08-02 21:51:49 发布

阅读量912

点赞数 18

分类专栏：软件测试面试自动化测试文章标签： python pdf 职场和发展软件测试面试

本文链接：https://blog.csdn.net/2301_81967703/article/details/140881030

版权

软件测试同时被 3 个专栏收录

392 篇文章 1 订阅

订阅专栏

自动化测试

378 篇文章 1 订阅

订阅专栏

面试

136 篇文章 0 订阅

订阅专栏

大家好，很多人学习Python进行办公自动化，其中一个场景就是处理PDF，PyPDF2是一个非常强大的Python库，它允许你管理和操作PDF文件。不论是分割、合并、旋转还是加密PDF，PyPDF2都能轻松应对。

PyPDF2是一个纯Python编写的库，用于读取PDF文件和操作PDF页面。它允许你进行以下操作：

• 读取PDF: 使用PyPDF2读取PDF文件非常简单。首先需要导入库，然后加载PDF文件，我们可以查看页面数，提取文本等。
• 合并PDF: 可以将多个PDF文件合并为一个。
• 分割PDF: 将一个PDF文件分割成多个小文件。
• 旋转页面: 可以按需旋转PDF页面。
• 加密PDF: 为PDF文件添加密码保护。

为什么选择PyPDF2？

选择PyPDF2的理由有很多，但最重要的几点包括：

• 易用性：PyPDF2提供了简洁的API，使得PDF操作变得简单。
• 兼容性：它支持Python 2.7和3.x版本，具有很好的兼容性。
• 功能丰富：基本覆盖了日常处理PDF所需的功能。
• 社区支持：作为一个流行的库，PyPDF2有着活跃的社区，遇到问题时容易找到解决方案。

安装PyPDF2

安装PyPDF2非常简单，只需要使用pip工具即可：

pip install PyPDF2

PyPDF2的核心概念

在深入了解PyPDF2之前，我们需要了解几个核心概念：

PDF文件结构

PDF文件由一系列页面组成，每个页面可以包含文本、图片、矢量图形等。

页面对象

在PyPDF2中，每个页面被表示为一个PageObject对象。

资源和内容流

PDF页面由资源（如字体、图像、样式）和内容流（实际的绘图指令）组成。

提取文本内容

许多时候，我们需要从PDF文件中提取文本数据。以下是如何使用PyPDF2进行文本提取的示例：

from PyPDF2 import PdfReader
# 打开PDF文件
reader = PdfReader("example.pdf")
# 遍历每一页提取文本
for page in reader.pages:
text = page.extract_text()
print(text)

合并PDF文件

将多个PDF文件合并为一个文件也是一个常见的需求。

from PyPDF2 import PdfReader, PdfWriter
# 创建PDF读取器和写入器对象
reader1 = PdfReader("file1.pdf")
reader2 = PdfReader("file2.pdf")
writer = PdfWriter()
# 将两个PDF的所有页面添加到写入器
for page in reader1.pages:
writer.add_page(page)
for page in reader2.pages:
writer.add_page(page)
# 输出合并后的PDF到新文件
with open("merged_file.pdf", "wb") as out:
writer.write(out)

拆分PDF文件

与合并相反，有时我们需要将一个PDF文件拆分成多个文件。

from PyPDF2 import PdfFileReader, PdfFileWriter
reader = PdfFileReader('example.pdf')
writer = PdfFileWriter()
# 拆分每一页到单独的PDF
for i in range(reader.numPages):
writer.addPage(reader.getPage(i))
with open(f'page_{i}.pdf', 'wb') as out:
writer.write(out)

旋转PDF页面

以下是使用PyPDF2库旋转PDF页面的示例代码：

from PyPDF2 import PdfReader, PdfWriter
def rotate_pdf(input_pdf, output_pdf, rotation_angle):
reader = PdfReader(input_pdf)
writer = PdfWriter()
# 旋转每一页
for page in reader.pages:
page.rotate_clockwise(rotation_angle) # 旋转角度
writer.add_page(page)
# 写出到新的PDF文件
with open(output_pdf, "wb") as out:
writer.write(out)
# 输入和输出文件路径
input_pdf_path = "example.pdf"
output_pdf_path = "rotated_example.pdf"
rotation_angle = 90 # 旋转角度，如90度
# 执行旋转
rotate_pdf(input_pdf_path, output_pdf_path, rotation_angle)

加密和解密PDF

下面是使用PyPDF2库加密和解密PDF文件的代码：

加密PDF

from PyPDF2 import PdfReader, PdfWriter
def encrypt_pdf(input_pdf, output_pdf, password):
reader = PdfReader(input_pdf)
writer = PdfWriter()
# 将所有页面添加到写入器
for page in reader.pages:
writer.add_page(page)
# 设置密码
writer.encrypt(password)
# 写出加密的PDF文件
with open(output_pdf, "wb") as out:
writer.write(out)
# 输入和输出文件路径，以及密码
input_pdf_path = "example.pdf"
output_pdf_path = "encrypted_example.pdf"
password = "yourpassword"
# 执行加密
encrypt_pdf(input_pdf_path, output_pdf_path, password)

解密PDF

from PyPDF2 import PdfReader, PdfWriter
def decrypt_pdf(input_pdf, output_pdf, password):
reader = PdfReader(input_pdf)
reader.decrypt(password)
writer = PdfWriter()
# 添加所有解密后的页面到写入器
for page in reader.pages:
writer.add_page(page)
# 写出解密后的PDF文件
with open(output_pdf, "wb") as out:
writer.write(out)
# 输入和输出文件路径，以及密码
input_pdf_path = "encrypted_example.pdf"
output_pdf_path = "decrypted_example.pdf"
password = "yourpassword"
# 执行解密
decrypt_pdf(input_pdf_path, output_pdf_path, password)

PyPDF2是处理PDF文件的强大工具，通过学习如何读取、合并、分割、旋转和加密PDF文件，你可以更好地管理文档，优化工作流程。

常见问题解答

1. Q: PyPDF2支持加密的PDF文件吗？ A: 是的，PyPDF2可以处理加密的PDF文件，但需要提供正确的密码。
2. Q: PyPDF2可以编辑PDF中的图片吗？ A: PyPDF2主要用于页面级别的操作，不支持直接编辑PDF中的图片。如果需要编辑图片，可能需要先提取图片，然后使用其他工具进行编辑，再重新嵌入PDF。
3. Q: 如何使用PyPDF2进行PDF页面的旋转？ A: PyPDF2允许你旋转页面。使用rotateClockwise()或rotateCounterClockwise()方法可以旋转页面90度。
4. Q: PyPDF2可以创建新的PDF文件吗？ A: 是的，PyPDF2可以创建新的PDF文件，并添加文本、图片等内容。