需要模块:pypdf2、pdfplumber
Python提取PDF文字内容
利用pdfplumber提取文字:
import pdfplumber
with pdfplumber.open(....pdf) as pdf:
first_page=pdf.pages[0]
print(first_apge.extract_text())
提取表格:
table是个列表类型,可以放进pandas
多个表格:page.extract_tables()
:默认
去除空行:
修改以上for语句,加一个判断空行语句,如下
合并单词:加到上述if语句中
Python语法知识点:
行内条件判断
利用pypdf2分割pdf
with open(f'./分割后PDF文件/filename{page}.pdf','wb') as out:
pdf_writer.write(out)
将上面分割的pdf再合并成一个:
pdf_writer=PdfFileWriter()
for page in range(16):
pdf_reader=PdfFileReader(f'filename{page}.pdf')
for page in range(pdf_reader.getNumPages()):
pdf_writer.addPage(pdf_reader.getPage(page))
with open('merge.pdf','wb') as out:
pdf_writer.write(out)
旋转PDF某一页:
排序PDF页面:
以倒序为例:
加水印:
加解密: