Task04 Python操作PDF

Python 操作 PDF

1. 相关介绍

Python 操作 PDF 会用到两个库，分别是：PyPDF2 和 pdfplumber

其中 PyPDF2 可以更好的读取、写入、分割、合并PDF文件，而 pdfplumber 可以更好的读取 PDF 文件中内容和提取 PDF 中的表格

对应的官网分别是：

PyPDF2：https://pythonhosted.org/PyPDF2/

pdfplumber：https://github.com/jsvine/pdfplumber

由于这两个库都不是 Python 的标准库，所以在使用之前都需要单独安装

win+r 后输入 cmd 打开 command 窗口，依次输入如下命令进行安装：

pip install PyPDF2

pip install pdfplumber

安装完成后显示 success 则表示安装成功

2. 批量拆分

import os
os.chdir(r'D:\Datawhale\python学习')          #改变当前工作目录
os.getcwd() 

'D:\\Datawhale\\python学习'

在拆分的过程中，可以手动设置间隔，例如：每5页保存成一个小的 PDF 文件
拆分的代码如下：

#拆分pdf
from PyPDF2 import PdfFileReader 
from PyPDF2 import PdfFileWriter
def split_pdf(filename, filepath, save_dirpath, step=5):
    """
    拆分PDF为多个小的PDF文件，
    @param filename:文件名
    @param filepath:文件路径
    @param save_dirpath:保存小的PDF的文件路径
    @param step: 每step间隔的页面生成一个文件，例如step=5，表示0-4页、5-9页...为一个文件
    @return:
    """
    if not os.path.exists(save_dirpath):
        os.mkdir(save_dirpath)
    pdf_reader = PdfFileReader(filepath)
    # 读取每一页的数据
    pages = pdf_reader.getNumPages()
    for page in range(0, pages, step):
        pdf_writer = PdfFileWriter()
        # 拆分pdf，每 step 页的拆分为一个文件
        for index in range(page, page+step):
            if index < pages:
                pdf_writer.addPage(pdf_reader.getPage(index))
                 # 保存拆分后的小文件
        save_path = os.path.join(save_dirpath, filename+str(int(page/step)+1)+'.pdf')
        print(save_path)
        with open(save_path, "wb") as out:
            pdf_writer.write(out)

    print("文件已成功拆分，保存路径为："+save_dirpath)
split_pdf('易方达.pdf',r'D:\Datawhale\python学习\易方达.pdf',r'D:\Datawhale\python学习\文件' )         

D:\Datawhale\python学习\文件\易方达.pdf1.pdf
D:\Datawhale\python学习\文件\易方达.pdf2.pdf
D:\Datawhale\python学习\文件\易方达.pdf3.pdf
D:\Datawhale\python学习\文件\易方达.pdf4.pdf
D:\Datawhale\python学习\文件\易方达.pdf5.pdf
D:\Datawhale\python学习\文件\易方达.pdf6.pdf
D:\Datawhale\python学习\文件\易方达.pdf7.pdf
D:\Datawhale\python学习\文件\易方达.pdf8.pdf
D:\Datawhale\python学习\文件\易方达.pdf9.pdf
D:\Datawhale\python学习\文件\易方达.pdf10.pdf
文件已成功拆分，保存路径为：D:\Datawhale\python学习\文件

import os 
os.getcwd()

'C:\\Users\\晴天\\Desktop\\python学习'