使用Python进行PDF文档处理的常见操作

使用 Python 进行 PDF 文档处理可以通过多种库来实现,包括 PyPDF2、pdfplumber、reportlab、pdfminer 等。这些库可以处理不同的 PDF 任务,例如 提取文本、拆分合并 PDF、修改 PDF、生成 PDF 等。以下是几种常见操作及对应的库和代码示例。

  1. 安装常用库
    首先,安装常用的 PDF 处理库:
pip install PyPDF2 pdfplumber reportlab
  1. 提取 PDF 文本
    PyPDF2 和 pdfplumber 都可以用于提取 PDF 文本。PyPDF2 更轻量,但有时处理复杂的 PDF 格式效果较差,而 pdfplumber 更加适合处理表格等复杂结构的 PDF。

使用 PyPDF2 提取文本

import PyPDF2
 
# 打开 PDF 文件

with open('sample.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)
     
    # 提取每一页的文本
    for page_num in range(len(reader.pages)):
        page = reader.pages[page_num]
        text = page.extract_text()
        print(f"第 {page_num + 1} 页的文本:\n{text}")

使用 pdfplumber 提取文本
pdfplumber 更适合处理结构化数据,尤其是表格。

import pdfplumber
 
# 打开 PDF 文件
with pdfplumber.open('sample.pdf') as pdf:
    for page_num in range(len(pdf.pages)):
        page = pdf.pages[page_num]
        text = page.extract_text()
        print(f"第 {page_num + 1} 页的文本:\n{text}")
  1. 合并与拆分 PDF 文件

使用 PyPDF2 合并 PDF 文件
可以将多个 PDF 文件合并为一个文件。

import PyPDF2
 
pdf_files = ['file1.pdf', 'file2.pdf', 'file3.pdf']
merger = PyPDF2.PdfMerger()
 
for pdf in pdf_files:
    merger.append(pdf)


 
# 保存合并后的 PDF 文件
with open('merged_output.pdf', 'wb') as output_file:
    merger.write(output_file)

使用 PyPDF2 拆分 PDF 文件
将 PDF 文件拆分为单独的页面。

import PyPDF2
 
# 打开 PDF 文件
with open('sample.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)
     
    # 按页拆分并保存
    for page_num in range(len(reader.pages)):
        writer = PyPDF2.PdfWriter()
        writer.add_page(reader.pages[page_num])
         
        with open(f'split_page_{page_num + 1}.pdf', 'wb') as output_file:
            writer.write(output_file)
  1. 创建和修改 PDF

使用 ReportLab 创建 PDF 文件
reportlab 是一个功能强大的库,可以用来生成新的 PDF 文件,支持插入文本、图片、图形等。

from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas
 
# 创建 PDF 文件
c = canvas.Canvas("output.pdf", pagesize=letter)
c.drawString(100, 750, "Hello, this is a PDF created with ReportLab!")
 
# 创建矩形
c.rect(100, 700, 400, 100)
 
# 保存 PDF
c.showPage()
c.save()

使用 ReportLab 插入图片
你可以使用 reportlab 插入图片到 PDF 中。


from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas
 
c = canvas.Canvas("output_with_image.pdf", pagesize=letter)
c.drawString(100, 750, "This is a PDF with an image:")
 
# 插入图片
c.drawImage("image.png", 100, 600, width=200, height=150)
 
c.showPage()
c.save()
  1. 提取 PDF 表格
    pdfplumber 提供了提取 PDF 中表格的功能,非常适合处理含有表格的文档。
import pdfplumber
 
# 打开 PDF 文件
with pdfplumber.open('table_sample.pdf') as pdf:
    first_page = pdf.pages[0]
     
    # 提取表格数据
    tables = first_page.extract_table()
     
    # 打印提取到的表格数据
    for row in tables:
        print(row)
  1. PDF 文档加密与解密

使用 PyPDF2 加密 PDF 文件
你可以加密 PDF 文件,防止未经授权的访问。

import PyPDF2
 
# 打开 PDF 文件
with open('sample.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)
    writer = PyPDF2.PdfWriter()
 
    for page_num in range(len(reader.pages)):
        writer.add_page(reader.pages[page_num])
 
    # 设置密码
    writer.encrypt(user_password='user123', owner_password='owner123')
 
    with open('encrypted_output.pdf', 'wb') as output_file:
        writer.write(output_file)

使用 PyPDF2 解密 PDF 文件
如果 PDF 文件已加密,解密并提取文本的方法如下:

import PyPDF2
# 打开加密的 PDF 文件
with open('encrypted_output.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)
     
    # 提供密码
    reader.decrypt('user123')
     
    # 提取文本
    for page_num in range(len(reader.pages)):
        page = reader.pages[page_num]
        print(page.extract_text())
  1. PDF 页面旋转
    你可以旋转 PDF 的某些页面,以下是旋转页面的示例:
import PyPDF2
 
# 打开 PDF 文件
with open('sample.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)
    writer = PyPDF2.PdfWriter()
     
    # 旋转每页 90 度
    for page in reader.pages:
        page.rotate_clockwise(90)
        writer.add_page(page)
     
    # 保存旋转后的 PDF 文件
    with open('rotated_output.pdf', 'wb') as output_file:
        writer.write(output_file)

总结
Python 提供了多个强大的库来处理 PDF 文档。根据具体需求,选择适合的库来完成任务:

PyPDF2:适合基本的 PDF 操作,如合并、拆分、加密、旋转等。
pdfplumber:适合复杂的文本和表格提取。
reportlab:用于生成和修改 PDF 文件,支持文本、图像和图形的绘制。
通过这些工具,你可以轻松地处理 PDF 文档的各种操作,从文本提取到生成和修改文档。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值