【Python军火库】PyPDF2：操纵PDF的利器

---

一、PyPDF2简介

利用Python+PyPDF2，我们能够实现对PDF的一些操作。

当然，PyPDF2对PDF的操作并非万能的，在使用过程中我们需要注意以下问题：

1. PyPDF2无法从PDF文档中提取图像、图表或其他媒体，它可以提取文本并返回字符串
2. 有时候PDF提取文本会出错，甚至无法打开某些PDF
3. PyPDF2不能任意将文本写入PDF，仅限于从其他PDF拷贝页面、旋转页面、重叠页面和加密文件
4. 模块不能直接编辑PDF，必须创建一个新的PDF，然后从已有的文档拷贝内容

PyPDF2的安装也非常简单

如果你是Windows系统，直接进入DOS命令行

输入：pip install PyPDF2

然后回车即可等待自动完成安装

PyPDF2的主要功能有以下六项，我们也将分别从这六大功能来介绍PyPDF2的使用：

1. 从PDF提取文本
2. 创建PDF
3. 拷贝PDF
4. 旋转PDF
5. 叠加PDF
6. 解密与加密PDF

——

二、PyPDF2六大基操

1、从PDF提取文本

import PyPDF2     # 注意y一定是小写
pdfFileobj = open('meetingminutes.pdf','rb')        # 用二进制只读形式打开文件
pdfReader = PyPDF2.PdfFileReader(pdfFileobj)        # 获取内容对象
print(pdfReader.numPages)         # 打印PDF页数

pageobj = pdfReader.getPage(0)       # 获取页面是从0开始的，也就是0表示PDF中的第一页
print(pageobj.extractText())         # 返回该页文本的字符串

从上面代码我们能学到什么？

1. 我们需要以二进制形式打开PDF文件
2. 我们需要为PDF创建对象
3. 获取当前PDF的页数：numPages
4. 获取某一页PDF：getPage() …第1页是从0开始
5. 返回页面字符串内容：extractText()

我们看看返回的内容与实际页面的对比，还是有一定的差距误差（红色框框标注的）

2、创建PDF

import PyPDF2     # 注意y一定是小写
pdfWriter = PyPDF2.PdfFileWriter()   # 创建PDF写入对象

如果只是要读入PDF，我们要创建PdfFileReader对象；如果创建一个需要写入的PDF，我们则要创建PdfFileWriter对象。

具体怎么使用，我们接着后面的案例来说道。

3、拷贝PDF

通过拷贝PDF，我们可以实现两个PDF的合并操作。

因为我们在最开始说过，PyPDF2并不能实现将任意内容写入原本的PDF中，所以我们只能创建一个新的PDF，并将内容写入其中。

以下我们通过具体代码展示，如何把两个PDF（meetingminutes.pdf和meetingminutes.pdf）合并到一个PDF（combainedmin