python操作pdf——pdfplumber/PyPDF2

相关库

1. 粒度为文字则使用pdfplumber
2. 粒度为文件则使用PyPDF2

安装

pip install pdfplumber
pip install pymupdf

pdfplumber

文字信息提取

1. 利用pdfplumber打开一个 PDF 文件

import pdfplumber
with pdfplumber.open("./mongodb_base.pdf") as f:

2. 获取指定的页，或者遍历每一页

print(f.pages)

-----------------------
[<Page:1>, <Page:2>, <Page:3>, <Page:4>, <Page:5>, <Page:6>]

3. 利用.extract_text()方法提取当前页的文字

with pdfplumber.open("./mongodb_base.pdf") as f:
    page = f.pages[0]
    print(page.extract_text())
----------------------------------------------
MongoDB快速上手  

表格信息提取

.extract_table()

提取指定页面的第一个表格

.extract_tables()

提取指定页面多个表格

PyPDF2

from PyPDF2 import PdfFileReader, PdfFileWriter
# PdfFileReader 读取器
# PdfFileWriter 写入器

读取器只能将读取的内容一页一页交给写入器

合并pdf

from PyPDF2 import PdfFileReader, PdfFileWriter

pdf_writer = PdfFileWriter()

for i in range(1, 6):
    pdf_reader = PdfFileReader(f"./pdf{i}.pdf")
    for page in range(pdf_reader.getNumPages()):
        pdf_writer.addPage(pdf_reader.getPage(page))

# 写入pdf
with open("./merge.pdf", 'wb') as out:
    pdf_writer.write(out)

拆分pdf

from PyPDF2 import PdfFileReader, PdfFileWriter

pdf_reader = PdfFileReader("./test.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(f"./pdf{page}.pdf", 'wb') as out:
        pdf_writer.write(out)

加密pdf

1. 将页写入读取器
2. pdf_writer.encrypt(密码)
3. 写入pdf

旋转pdf

1. page.rotateClockwise(90的倍数)：顺时针旋转90度

2. page.rotateCounterClockwise(90的倍数)：逆时针旋转90度

from PyPDF2 import PdfFileReader, PdfFileWriter
 
pdf_reader = PdfFileReader(r"xxx.pdf")
# 新建一个writer
pdf_writer = PdfFileWriter()

for page in range(pdf_reader.getNumPages()):
    if page % 2 == 0:
        rotation_page = pdf_reader.getPage(page).rotateCounterClockwise(90)
    else:
        rotation_page = pdf_reader.getPage(page).rotateClockwise(90)
    pdf_writer.addPage(rotation_page)
# 结果输出
with open("xxx2.pdf", "wb") as out:
    pdf_writer.write(out)

倒序pdf

from PyPDF2 import PdfFileReader, PdfFileWriter

# 打开pdf
pdf_reader = PdfFileReader(r"xxx.pdf")
pdf_writer = PdfFileWriter()
# 倒序遍历range步长为-1即为倒序
for page in range(pdf_reader.getNumPages()-1, -1, -1):
    pdf_writer.addPage(pdf_reader.getPage(page))
# 写入结果
with open("xxx2.pdf", "wb") as out:
        pdf_writer.write(out)

加水印

加水印本质上就是把水印PDF页和需要加水印的页合并

1. 准备水印pdf
2. 使用自带的copy包复制水印： from copy import copy

# 读取水印
water_reader = PdfFileReader("./water.pdf")
water = water_reader.getPage(0) # 第一页是水印页
# 读取待加水印的pdf
reader = PdfFileReader("./dst.pdf")
# 新建pdf
writer = PdfFileWriter()
for page in range(reader.getNumPages()):
	# 获取每一页
	p = reader.getPage(page)
	# 必须取水印的副本
	tmp = copy(water)
	# 合并
	newPage =  tmp.mergePage(p)
	# 放到pdf
	writer.addPage(newPage)

# 写入pdf
with open("加了水印.pdf", "wb") as out:
        writer.write(out) 

1. 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，水印PDF页就没有了。
2. 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。
3. 进行pdf合并的时候，“水印”在下面，文字在上面，因此是“水印”.mergePage(“图片页”)

pdf添加密码

添加密码：

from PyPDF2 import PdfFileReader, PdfFileWriter
 
pdf_reader = PdfFileReader(r"xxx.pdf")
pdf_writer = PdfFileWriter()
# 读取出来写到writer
for page in range(pdf_reader.getNumPages()):
    pdf_writer.addPage(pdf_reader.getPage(page))
# 添加密码
pdf_writer.encrypt("123456")
# 保存文件
with open("result.pdf", "wb") as out:
        pdf_writer.write(out)

输入密码：

from PyPDF2 import PdfFileReader, PdfFileWriter
 
pdf_reader = PdfFileReader(r"xxx.pdf")
# 解密pdf
pdf_reader.decrypt("123456")
# writer
pdf_writer = PdfFileWriter()
for page in range(pdf_reader.getNumPages()):
    pdf_writer.addPage(pdf_reader.getPage(page))
# 解密好的pdf写出
with open("xxx2.pdf", "wb") as out:
        pdf_writer.write(out)