python:办公自动化之：PDF

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：