pip的工作细节 python_Python使用Reportlab处理PDF数据 - PyPDF2包 pdfrw包 PyFPDF包

细节知识

• Python
• Reportlab

PyPDF2包

PyPDF2软件包是一个纯Python PDF库，可用于拆分，合并，裁剪和转换PDF中的页面。 根据PyPDF2网站，您也可以使用PyPDF2向PDF添加数据，查看选项和密码。 最后，您可以使用PyPDF2从PDF中提取文本和元数据。

PyPDF2实际上是Mathiew Fenniak编写并于2005年发布的原始pyPdf的分支。但是，最初的pyPdf的最新发布是在2014年。一家名为Phaseit，Inc的公司与Mathieu进行了交谈，最终赞助了PyPDF2作为pyPdf的分支。

在撰写本书时，PyPDF2软件包自2016年以来还没有发布过。但是，它仍然是一个坚实而有用的软件包，值得您学习。

本文包含以下内容：

• 提取元数据
• 分割文档
• 合并PDF文件
• 旋转页面
• 叠加/水印页面
• 加密/解密

安装

PyPDF2是一个纯Python软件包，因此您可以使用pip进行安装（假设pip位于系统路径中）：

python -m pip install pypdf2

像往常一样，您应该将第3方Python软件包安装到Python虚拟环境中，以确保它按照您希望的方式工作。

提取元数据

您可以使用PyPDF2从任何PDF中提取大量有用的数据。 例如，您可以了解文档的作者，文档的标题和主题以及有多少页。

代码略

在这里，我们从PyPDF2导入PdfFileReader类。 此类使我们能够使用各种访问器方法读取PDF并从中提取数据。 我们要做的第一件事是创建我们自己的get_info函数，该函数接受PDF文件路径作为唯一参数。 然后，我们以只读二进制模式打开文件。 接下来，我们将该文件处理程序传递给PdfFileReader并创建它的实例。

现在，我们可以使用getDocumentInfo方法从PDF中提取一些信息。 这将返回PyPDF2.pdf.DocumentInformation的实例，该实例具有以下有用的属性，其中包括：

authorcreatorproducersubjecttitle

如果打印出DocumentInformation对象，将看到以下内容：

{'/Author': 'Michael Driscoll','/CreationDate': 'D:20180331023901-00'00'','/Creator': 'LaTeX with hyperref package','/Producer': 'XeTeX 0.99998','/Title': 'ReportLab - PDF Processing with Python'}

我们还可以通过调用getNumPages方法获取PDF中的页数。

提取文本

PyPDF2对从PDF提取文本的支持有限。 不幸的是，它没有内置的提取图像的支持。

让我们尝试从上一部分中下载的PDF的第一页中提取文本：

参阅

Python使用Reportlab处理PDF数据 - PyPDF2包 | pdfrw包 | PyFPDF包​viadean.com