PDF办公自动化

在学习和工作中大家一定对pdf非常熟悉。事实上，pdf也是非常重要并且应用广泛的一种数字媒体。
PDF全称是Portable Document Format,即可移植的文档格式。它使用.pdf作为扩展名。用于可靠的呈现和交换文档，与软件，硬件和操作系统无关。
- pdf使用Adobe公司开发，现在由国际标准化组织ISO进行维护。
- Python处理PDF
     用于处理 PDF 的模块是 PyPDF2。
     要安装它，就从命令行运行 pip install PyPDF2
     这个模块名称是区分大小写的，所以要确保 y 是小写，其他字母都是大写

PyPDF2可以实现： 提取文档信息（标题作者等），拆分，裁剪，合并页面，加/解密

1.PDF基本读取

import PyPDF2 
pdfFile = open('./data/1.pdf','rb')
pdfReader = PyPDF2.PdfReader(pdfFile)
print(len(pdfReader.pages))  #打印页数
page = pdfReader.pages[1]
print(page.extract_text())    #打印具体页内容

在PyPDF2 3.0版本后方法进行了简化：

 PdfFileReader---> PdfReader

对于程序来说，将其解析为纯文本并不容易。因此，PyPDF2在从PDF中提取文本时可能会出错，甚至可能根本无法打开某些PDF。有些pdf打不开很正常，毫无办法。

2.

2.1 PDF拆分写入新文件：

将一个完整pdf拆分成两个单独的pdf文件进行保存,并去除不想要的指定页面

pdfFile = open('./data/example.pdf','rb')
#创建读取器对象
pdfReader = PyPDF2.PdfReader(pdfFile)
#创建写入器对象
pdfWriter1 = PyPDF2.PdfWriter()
pdfWriter2 = PyPDF2.PdfWriter()

all_pages = len(pdfReader.pages)
for page in range(all_pages):
    #去除不想要的页面
    if page in [1,3,5,7,9]:
        continue
    #获取中间页码值
    middle_num = all_pages // 2
    print("middle_num is",middle_num)
    #提取一页数据
    pageObj = pdfReader.pages[page]
    if page <= middle_num:
        pdfWriter1.add_page(pageObj)
    else:
        pdfWriter2.add_page(pageObj)

f1 = open('./data/example_1.pdf','wb') 
f2 = open('./data/example_2.pdf','wb')
pdfWriter1.write(f1)
pdfWriter2.write(f2)
pdfFile.close()
f1.close()
f2.close()
同样在PyPDF2 3.0版本后，部分方法发生了变化
pdfReader.getPage(page) ----> len(reader.pages) 
pdfReader.getPage(xx)---->pdfReader.pages[xx]
addPage ----> add_page

2.2 PDF旋转处理并写入新文件

minutesFile = open('./data/example_1.pdf', 'rb')
pdfReader = PyPDF2.PdfReader(minutesFile) #打开源文件
page = pdfReader.pages[0]  #读取源文件第一页
page1 = page.rotate(90)     #旋转90度形成page1
writer = PyPDF2.PdfWriter() #初始化writer写对象
writer.add_page(page1)   #把旋转处理后的内容page1放入写入器中

resultfile = open('./data/resultfile.pdf', 'wb')
writer.write(resultfile)
#关闭文件对象
resultfile.close()
minutesFile.close()

同样旋转方法发生了变化：page.rotateClockwise或rotateCounterClockwise都废弃了--> page.rotate(90/-90)顺时针90，逆时针-90即可，可选旋转 90 度的整数倍，向这些方法传入整数 90、180 或 270 即可，其他度数会报错

3.PDF合并，添加水印

 PyPDF2 也可以将一页的内容叠加到另一页上，这可以用来在页面上添加公司标志、时间戳或水印。利用 Python，很容易为多个文件添加水印，并且只针对程序 指定的页面添加。

pythonFile = open('./data/example.pdf', 'rb')
#对需要添加水印的pdf生成器读取器
pdfReader = PyPDF2.PdfReader(pythonFile)

pdfWatermarkReader = PyPDF2.PdfReader(open('./data/waterprint.pdf', 'rb'))
#创建写入器对象
pdfWriter = PyPDF2.PdfWriter()
#遍历需要添加水印pdf的每一页
for pageNum in range(0, len(pdfReader.pages)):
    #获取页面对象
    pageObj = pdfReader.pages[pageNum]
    #添加水印（叠加两张页面）
    pageObj.merge_page(pdfWatermarkReader.pages[0])
    #添加到写入器中（注意：写入器中已经添加了水印）
    pdfWriter.add_page(pageObj)
resultPdfFile = open('./data/watermarkedCover.pdf', 'wb')
pdfWriter.write(resultPdfFile)

4. 加/解密 

- PdfFileWriter 对象也可以为 PDF 文档进行加密
  - encrypt()方法，传入口令字符串。PDF 可以有一个用户口令(允许查看这个PDF)和一个拥有者口令(允许设置打印、注释、 提取文本和其他功能的许可)。
用户口令和拥有者口令分别是 encrypt()的第一个和第二个参数。如果只传入一个字符串给 encrypt()，它将作为两个口令。"

4.1 加密操作

import PyPDF2
pdfFile = open('./data/waterprint.pdf', 'rb')
reader = PyPDF2.PdfReader(pdfFile)
pdfWriter = PyPDF2.PdfWriter()
for pageNum in range(len(reader.pages)):
    print(pageNum)
    pdfWriter.add_page(reader.pages[pageNum])

pdfWriter.encrypt('aelo')
resultPdf = open('./data/encryptedminutes.pdf', 'wb')
pdfWriter.write(resultPdf)
resultPdf.close()

4.2 解密操作

使用迭代工具迭代得到四位组合：

import itertools 
from PyPDF2 import PdfReader 
mylist = ("".join(x) for x in itertools.product("abcdefghjklmno",repeat=4)) 
path = './data/encryptedminutes.pdf' 
reader = PdfReader(path) 
while True: i = next(mylist) if reader.decrypt(i): 
    print(f"破解成功，密码是{i}")

破解成功，密码是aelo