今天开始对第十三章的内容进行学习,开始对PDF和Word文档进行研究。
13.1 PDF文档
用于处理PDF的模块是PyPDF2,后在交互环境中运行import PyPDF2。
PyPDF2可以提取文本,并将文本返回为Python字符串。提取文本过程中:
1、将pdf文件的总页数保存在numPages属性中;
2、调用PdfFileReader对象的getPage()方法;
3、调用extractText()方法来返回该页文本的字符串。
解密PDF:
所有PDFFIleReader对象都有一个isEncrypted属性,如果PDF是加密的,即返回True。
创建PDF的一般方式:
1、打开源PDF,得到PdfFileReader对象;
2、创建一个新的PdfFileReader对象;
3、将页面从PdfFileReader对象拷贝到PdfFileReader对象中;
4、利用PdfFileReader对象写入输出的PDF。
利用rotateClockwise()和rotateCounterClockwise()方法可以将PDF文档的页面旋转90度的整数倍。
13.2 项目:从多个PDF中合并选择的页面
第一步:找到你要合并的所有PDF文件,在导入PyPDF2模块后os.listdir(’.’)调用将返回当前工作目录中所有文件的列表,然后代码循环遍历这个列表,将所有PDF文件整合到一起;
第二步:针对每个PDF文件,循环内的代码调用open()用二进制的方式打开文件;
第三步:针对每个PDF文件,需要对除了第一页以外的每一页进行循环遍历;
第四步:将最后得到的File对象传给write()方法来创建一个新的pdf文件。