PyPDF2：项目实战源码分享（PDF裁剪）

1. 背景📑

接PyPDF2模块推荐博文中提到的实际需求（将银行网站下载来的多页且单页多张回单的PDF裁剪成每张单据独立一个PDF文件），我决定将项目所做操作的模块化源码分享给大家

原PDF

裁剪后PDF

2. 源码模块解析📑

2.1 读取PDF页数

因为数据范围是动态的，所以每次处理的PDF页数也是不同的，操作一个回单PDF首先需要知道他有多少页

def get_page_num(pdf_path) -> int:
    """
    获取PDF文件页数

    params:
        pdf_path: 需要读取页数的PDF文件路径

    return:
        _pages_count: PDF文件的页数
    """
    with open(pdf_path, 'rb') as _pdf_file:
        # 读取PDF文件
        _pdf_file = PyPDF2.PdfReader(_pdf_file)
        # 获取总页数
        _pages_count = len(_pdf_file.pages)
    return _pages_count

2.2 获取指定页的宽高尺寸

裁剪前肯定需要知道原尺寸，然后根据原尺寸初步三等分，再做微调，最终实现银行回单的等分

def get_page_wh(pdf_path, page_num) -> list:
    """
    获取PDF文件指定页的宽高数据

    params:
        pdf_path: 需要读取宽高的PDF文件路径
        page_num: 需要读取宽高的是哪一页,页码

    return:
        _width: PDF文件指定页的宽度
        _height: PDF文件指定页的高度
    """
    with open(pdf_path, 'rb') as _pdf_file:
        # 读取PDF文件
        _pdf_file = PyPDF2.PdfReader(_pdf_file)
        # 获取PDF指定页信息
        _pdf_info = _pdf_file.pages[int(page_num) - 1]
        # 获取PDF指定页宽
        _width = float(_pdf_info.mediabox.width)
        # 获取PDF指定页高
        _height = float(_pdf_info.mediabox.height)
    return [_width, _height]

2.3 裁剪单页PDF

下面就是需求的核心功能——裁剪了（需要注意的是，我这里是根据需求将裁剪后的每一张回单放在同一个输出PDF文件中，如果需要每一张回单都为一个独立PDF文件，可以自行调整代码）

def split_pdf(input_path, output_path, page_num, upper_left, upper_right, lower_left, lower_right):
    """
    裁剪指定单页PDF的区域,并另存为一个独立的文件到output_path

    注意:
        当PDF单页的 宽width < 高height 的时候,即文件是竖向的时候,左下角为坐标原点
        当PDF单页的 宽width > 高height 的时候,即文件是横向的时候,右下角为坐标原点

    params:
        input_path: 需要裁剪的PDF文件路径
        output_path: 输出路径
        page_num: 需要裁剪的是哪一页,页码
        upper_left: 裁剪区域的左上角坐标
        upper_right: 裁剪区域的右上角坐标
        lower_left: 裁剪区域的左下角坐标
        lower_right: 裁剪区域的右下角坐标
    """
    with open(input_path, 'rb') as _input_file:
        # 读取PDF文件
        _input_file = PyPDF2.PdfReader(_input_file)
        # 创建输出PDF对象
        _that_page = PyPDF2.PdfWriter()
        # 获取PDF文件指定页对象
        _this_page = _input_file.pages[int(page_num) - 1]
        # 划定裁剪区域
        _this_page.mediabox.upper_left = tuple(upper_left)
        _this_page.mediabox.upper_right = tuple(upper_right)
        _this_page.mediabox.lower_left = tuple(lower_left)
        _this_page.mediabox.lower_right = tuple(lower_right)
        # 为输出PDF对象添加裁剪页
        _that_page.add_page(_this_page)

        with open(output_path, 'wb') as _output_file:
            # 将输出PDF对象写入输出路径文件
            _that_page.write(_output_file)

2.4 批量裁剪PDF

因为原需求是一个回单PDF中由格式相同的多页回单组成的，所以我直接写了一个批量裁剪整个多页PDF文件的函数（同样需要注意的是，我这里根据需求写的是将裁剪后的每一张回单放在同一个输出PDF文件中，如果需要每一张回单都为一个独立PDF文件，可以自行调整代码）

def batch_split_pdf(input_path, output_path, crop_area_list):
    """
    循环PDF文件每一页，裁剪出每一页所有裁剪区域列表中指示的区域，并且裁剪后输出到同一个PDF文件内

    注意:
        当PDF单页的 宽width < 高height 的时候,即文件是竖向的时候,左下角为坐标原点
        当PDF单页的 宽width > 高height 的时候,即文件是横向的时候,右下角为坐标原点

    params:
        input_path: 需要裁剪的PDF文件路径
        output_path: 输出路径
        crop_area_list: 需要裁剪的区域列表（三维列表）
    """
    with open(input_path, 'rb') as _input_file:
        # 读取PDF文件
        _input_file = PyPDF2.PdfReader(_input_file)
        # 获取总页数
        _pages_count = len(_input_file.pages)
        # 创建输出PDF对象
        _that_page = PyPDF2.PdfWriter()
        # 循环每一页
        for _page_num in range(_pages_count):
            # 循环要裁剪的区域列表
            for _crop_area in crop_area_list:
                # 获取PDF文件指定页对象
                _this_page = _input_file.pages[_page_num]
                # 划定裁剪区域
                _this_page.mediabox.upper_left = tuple(_crop_area[0])
                _this_page.mediabox.upper_right = tuple(_crop_area[1])
                _this_page.mediabox.lower_left = tuple(_crop_area[2])
                _this_page.mediabox.lower_right = tuple(_crop_area[3])
                # 为输出PDF对象添加裁剪页
                _that_page.add_page(_this_page)
        
        with open(output_path, 'wb') as _output_file:
            # 将输出PDF对象写入输出路径文件
            _that_page.write(_output_file)

总结📑

以上就是关于银行回单PDF裁剪需求涉及到的源代码了，抛砖引玉，大家可以根据自己更强的实力对代码做自己的个性化调整，冲💪！