帮你自动化办公的python - 自动提取pdf指定页（pdf处理篇）

概念

本文主要阐述在项目《自动提取pdf指定页》中对pdf文件的处理方式。若对项目需求不清楚的用户，请先查看文章《帮你自动化办公的python - 自动提取pdf指定页（项目概述）》。

介绍

本项目用到处理pdf的模块是PyPDF2，它提供了读、写、分割、合并、文件转换等多种操作，包含了PdfFileReader 、 PdfFileWriter等主要操作类，使用之前需要先安装，后期本公众号会出一篇文章，专门阐述PyPDF2模块的使用方式。

核心

1. 获取页码范围，主要通过split方法将xx-xx格式的字符串拆开成页码上限和下限两部分，注意最后提取页码的有效范围包含了下限，却不包含上限，如02-05，有效页码为2、3、4页。

        # 检查页码是否正确
        list_num = num_str.split('-')
        if not list_num[0].isdigit() or list_num[0] == "" \
            or not list_num[1].isdigit() or list_num[1] == ""\
            or int(list_num[0]) < 1 or int(list_num[0]) > int(list_num[1]) :
            return False

        print(list_num[0], '  ', list_num[1])

2. 读取pdf文件，并获取pdf文件的页码总数。

        # 以读的方式打开源pdf文件
        src_fd = self.open_read(src)
        rd_pdf = PdfFileReader(src_fd)
        wr_pdf = PdfFileWriter()
        if int(list_num[1]) > rd_pdf.numPages:      # 检查页码是否超界
            return False

3. 提取pdf文件指定页码到另一个文件中去，调用addPage方法实现。

注意：range（min,max）只包含了下限而未包含上限，在设定页码范围的时候这点需要尤为注意。

         # 保存指定页码信息到新文件
        dst_fd = self.open_write(dst)
        for i in range(int(list_num[0]), int(list_num[1])):
            wr_pdf.addPage(rd_pdf.getPage(i-1))
            wr_pdf.write(dst_fd)

示例

★f_pdf对象（pdf操作类）：

属性：无

行为：将pdf文件的指定页范围存储新文件中去。

 f_pdf.py

from f_file import *
from PyPDF2 import PdfFileWriter, PdfFileReader

# pdf文件操作定义
class f_pdf(b_file):
    def __init__(self):
        pass

    # 将pdf文件的指定页范围存储新文件中去
    # src:表示源文件     dst: 目标文件       num_str: 页码字符串格式为xx-xx如（2-5或1-10）等
    # 成功返回True，失败返回False
    def save_page(self, src, dst, num_str):
        if not self.is_file(src):      # 检查文件名
            return False

        # 检查页码是否正确
        list_num = num_str.split('-')
        if not list_num[0].isdigit() or list_num[0] == "" \
            or not list_num[1].isdigit() or list_num[1] == ""\
            or int(list_num[0]) < 1 or int(list_num[0]) > int(list_num[1]) :
            return False

        print(list_num[0], '  ', list_num[1])

        # 以读的方式打开源pdf文件
        src_fd = self.open_read(src)
        rd_pdf = PdfFileReader(src_fd)
        wr_pdf = PdfFileWriter()
        if int(list_num[1]) > rd_pdf.numPages:      # 检查页码是否超界
            return False

        # 保存指定页码信息到新文件
        dst_fd = self.open_write(dst)
        for i in range(int(list_num[0]), int(list_num[1])):
            wr_pdf.addPage(rd_pdf.getPage(i-1))
            wr_pdf.write(dst_fd)

        src_fd.close()
        dst_fd.close()
        return True

往期 · 推荐

帮你自动化办公的python-自动提取pdf指定页（文件处理篇）

帮你自动化办公的python-自动提取pdf指定页（项目概述）

也没想象中那么神秘的数据结构-一种通用化的双向链表设计（底层源码）

也没想象中那么神秘的数据结构-一环扣一环的“链表”（双向链表）

我用C语言玩对象，偷偷关注着你的观察者模式（基类设计）

关注

更多精彩内容，请关注微信公众号：不只会拍照的程序猿，本人致力分享linux、设计模式、C语言、嵌入式、编程相关知识，也会抽空分享些摄影相关内容，同样也分享大量摄影、编程相关视频和源码，另外你若想要本文章源码请关注公众号：不只会拍照的程序猿，后台回复：PDF拆解源码，也可点击此处下载。