python pypdf2另存为图片_Python处理PDF的实用姿势

你不懂得安排自己的人生，会有很多人帮你安排，他们需要你做的事。

PDF文件我们经常用，尤其是这两个场景：

• 下载参考资料，如各类报告、文档

• 分享只读资料，方便传播同时保留源文件

场景和模块

所以，对于PDF文件，常见的需求也就是两类：

• 处理文件本身，属于文件页面级操作，如合并/分拆PDF页面、加/解密、加/去水印；

• 处理文件内容，属于内容级操作，如提取文字、表格数据、图表等。

目前Python用于处理PDF的模块，主要有3个：

• PyPDF2：模块成熟，最后一次更新在2年前，适合页面级操作，文字提取效果较差。

• PDFMiner：擅长文字抽取，目前主分支已停止维护，取而代之的是pdfminer.six

• pdfplumber：基于pdfminer.six的文本内容抽取工具，使用门槛更低，如支持表格提取。

实战中，可以根据需求的类型选择模块。如果是页面级的操作，就用PyPDF2，如果需要内容抽取，优先使用pdfplumber。

对应的模块安装：

• pip install pypdf2

• pip install pdfminer.six

• pip install pdfplumber

下面按使用场景演示3个模块的使用。

PyPDF2

PyPDF2的主要能力在页面级操作，比如：

• 获取PDF文档基本信息

• PDF分割及合并

• PDF的旋转及排序

• PDF加水印及去水印

• PDF加密及解密

PyPDF2的核心两个类是PdfFileReader和PdfFileWriter，完成PDF文件的读写操作。

获取PDF文档基本信息

 import pathlibfrom PyPDF2 import PdfFileReaderpath = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/002pdf')f_path = path.joinpath('2020-新冠肺炎疫情对中国连锁餐饮行业的影响调研报告-中国连锁经营协会.pdf')with open(f_path, 'rb') as f:    pdf = PdfFileReader(f)    info = pdf.getDocumentInfo()    cnt_page = pdf.getNumPages()    is_encrypt = pdf.getIsEncrypted()print(f'''作者: {info.author}创建者: {info.creator}制作者: {info.producer}主题: {info.subject}标题: {info.title}总页数: {cnt_page}是否加密: {is_encrypt}''')

PDF分割及合并

 import pathlibfrom PyPDF2 import PdfFileReader, PdfFileWriterpath = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/002pdf')f_path = path.joinpath('2020-新冠肺炎疫情对中国连锁餐饮行业的影响调研报告-中国连锁经营协会.pdf')out_path = path.joinpath('002pdf_split_merge.pdf')out_path_1 = path.joinpath('002pdf_split_half_front.pdf')out_path_2 = path.joinpath('002pdf_split_half_back.pdf'