第15章：处理PDF和Word文档（笔记）

15.1:PDF文档

15.1.1：从PDF提取文本

import PyPDF2

pdfFileObj = open("meetingminutes.pdf", 'rb')
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
print(pdfReader.numPages)

pageObj = pdfReader.getPage(0)
print(pageObj.extractText())

以二进制模式打开文件，然后将他传入PdfFileReader()中得到它的PdfFileReader对象

PdfFileReader的namePages属性：获取PDF共有几页

PdfFileReader的getPage()函数：获取传入页号中的页面信息（索引从0开始）

extractText()函数：放回改文本页的字符串。提取文本信息但并不完美

15.1.2：解密PDF

import PyPDF2

pdfReader = PyPDF2.PdfFileReader(open('encrypted.pdf', 'rb'))
print(pdfReader.isEncrypted)
print(pdfReader.decrypt('rosebud'))

PdfFileReader的isEncrypted属性：判断PDF是否加密，是返回True，否则False

PdfFileReader的decrypt()函数：传入口令字符串进行解密，如果加密文件没有调用这个函数在调用getPage()函数就会报错，并且该函数只解密了PdfFileReader对象，不是实际的PDF文档。

15.1.3：创建PDF

与PdfFileReader对象相对的PdfFileWriter对象，它可以创建一个新的PDF文档，但不能将任意的文本写入PDF，不像python可以写入纯文本文件，能力仅限于从其他PDF中复制页面、旋转页面、重叠页面和加密页面，不允许直接编辑PDF。

1. 打开一个或多个已有的PDF，得到PdfFileReader对象
2. 创建一个新的PdfFileWrite对象
3. 将页面从PdfFileReader对象复制到PdfFileWrite对象中
4. 利用PdfFileWrite对象写入输出的PDF

复制页面

import PyPDF2

pdf1File = open('meetingminutes.pdf', 'rb')
pdf2File = open('meetingminutes2.pdf', 'rb')
pdf1Reader = PyPDF2.PdfFileReader(pdf1File)
pdf2Reader = PyPDF2.PdfFileReader(pdf2File)
pdfWriter = PyPDF2.PdfFileWriter()

for pageNum in range(pdf1Reader.numPages):
    pdfObj = pdf1Reader.getPage(pageNum)
    pdfWriter.addPage(pdfOb