python处理pdf文件,python可以读取pdf格式文件

  python处理pdf文件,python可以读取pdf格式文件

  本文介绍Python如何操作PDF文件,通过示例代码非常详细。对大家的学习或者工作都有一定的参考价值,有需要的朋友可以参考一下。

  从PDF中读取文本内容并从现有文档中生成新的PDF。

  所需的模块是PyPDF2。

  mstamy2/PyPDF2:一个用Python(github.com)读写PDF的实用程序

  同时注意更新的PyPDF4包,因为它很快就会取代PyPDF2。

  claird/PyPDF4:用Python(github.com)读写PDF的实用程序

  您还可以查看pdfrw包,它也可以执行许多与PyPDF2相同的操作。

  pmaupin/pdfrw: pdfrw是一个纯Python库,可以读写pdf(github.com)

  首先,安装PyPDF2并在命令行上运行它。因为PyPDF2没有依赖项,所以安装速度非常快。

  pip安装PyPDF2

  

操作方法

  

1、从PDF读取文本

  Py2不能从pdf文档中提取图像、图表和其他媒体,但是它可以提取文本并将文本作为python字符串返回。

  导入PyPDF2

  #==========从pdf中提取文本==========

  Pdf=open (R e: \ Python自动化繁琐工作\13_处理Pdf和word文档\ data \ meetingminutes.pdf , rb) #读取pdf文件

  Pdf=pypdf2.pdf文件阅读器(pdf文件)#读入

  print(PDF reader . numpages)# Read PDF pages=====19

  获取第一页的内容:

  Page0=pdfreader.getPage(0) #获取第1页,第一页为0

  Print(page0.extractText()) #获取第2页的内容,返回字符串。

  内容是

  

2、解密PDF

  有些文件有加密功能。为了防止其他人阅读它们,只有在打开它们时提供密码才能阅读它们。我打开文件的加密密码是rosebud。

  实际上,在阅读pdf文件之前,您应该首先确定它是否被加密。如果加密,isEncrypted属性将返回True。此时,需要一个密码。

  #有些pdf文件是加密的,以防止他人阅读,只有在打开文档时提供密码才能阅读。

  Pdf _ reader=pypdf2.pdf filereader(open(r e : \ Python自动化繁琐工作\13_处理PDF和word文档\data\encrypted.pdf , rb ))

  Print(pdf_reader.isEncrypted) #文件加密了吗?

  返回的结果是:

  如果此时没有输入密码就获取了内容。

  print(pdf _ reader . get page(0))# pypdf2.utils.pdf读取错误3360文件尚未解密文件尚未解锁。

  将会提示一个错误。

  此时,调用decrypt方法,输入密码,然后读取它。

  print(pdf _ reader . decrypt( rosebud )# rosebud==正确密码显示1,其他显示0。

  page _ obj=pdf _ reader . get page(0)#以便可以正确读取

  print(page_obj.extractText())

  

3、创建PDF

  PyPDF2可以创建新的PDF文件,但不能在PDF中写入任何文本。它编写PDF的能力仅限于复制页面、旋转页面、重叠页面和加密来自其他PDF的文件。后面一一介绍。

  

4、拷贝页面

  #=======复制页面===========

  螺纹中径

  ffile1 = open(rE:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf, rb)

  pdffile2 = open(rE:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes2.pdf, rb)

  pdf1_reader = PyPDF2.PdfFileReader(pdffile1)

  pdf2_reader = PyPDF2.PdfFileReader(pdffile2)

  # 创建一个pdf文档,这个只是代表pdf文档的值,并没有创建实际的文档。

  pdf_writer = PyPDF2.PdfFileWriter()

  # 将文档一页一页的读入到新的文档

  for pagenum in range(pdf1_reader.numPages):

   pageobj = pdf1_reader.getPage(pagenum)

   pdf_writer.addPage(pageobj)

  for pagenum in range(pdf2_reader.numPages):

   pageobj = pdf2_reader.getPage(pagenum)

   pdf_writer.addPage(pageobj)

  # write方法才能真正生成一个文件

  pdfoutputfile = open(combin.pdf,wb)

  pdf_writer.write(pdfoutputfile)

  pdfoutputfile.close()

  pdffile1.close()

  pdffile2.close()

  在对应目录下生成pdf文件

  

  

5、旋转页面

  利用rotateClockwise()和rotateCounterClockwise()方法PDF页面可以旋转90的整倍数。

  

pdffile1 = open(rE:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf, rb)

  pdfreaders = PyPDF2.PdfFileReader(pdffile1)

  page = pdfreaders.getPage(0) # 获取第一页

  page.rotateClockwise(90) # 第一页旋转90度

  # 创建一个新的PDF文档

  pdfwriter = PyPDF2.PdfFileWriter()

  # 添加内容

  pdfwriter.addPage(page)

  # 真实创建PDF文件并写入内容

  result = open(ratated.pdf,wb)

  pdfwriter.write(result)

  # 关闭文件

  result.close()

  pdffile1.close()

  点击开PDF文档,结果是:

  

  

6、叠加页面

  有的时候需要在PDF中添加公司的标志、时间戳或水印。我们用这个库依然可以实现。

  

# 给指定的页面添加水印、公司标志或者时间戳。

  pdffile1 = open(rE:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf, rb)

  pdf_reader1 = PyPDF2.PdfFileReader(pdffile1)

  # 获取该文档的第一页

  first_page = pdf_reader1.getPage(0)

  # 打开印有水印的PDF文件

  water_pdf = PyPDF2.PdfFileReader(rE:\python让繁琐的工作自动化\13_处理pdf和word文档\data\watermark.pdf, rb)

  # 在上一个文档的第一页中加入这个有水印的文件

  first_page.mergePage(water_pdf.getPage(0))

  # 将读取的内容写入到对象中

  pdfwriter = PyPDF2.PdfFileWriter()

  pdfwriter.addPage(first_page)

  结果是:

  

  

7、加密PDF

  我们可以对拷贝的页面进行加密。

  

pdffile1 = open(rE:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf, rb)

  pdf_reader1 = PyPDF2.PdfFileReader(pdffile1)

  # 将读取的内容写入对象中

  pdfwriter = PyPDF2.PdfFileWriter()

  for pagenum in range(pdf_reader1.numPages):

   pdfwriter.addPage(pdf_reader1.getPage(pagenum))

  # 输入口令

  pdfwriter.encrypt(meimei)

  # 真正创建PDF文件

  result_pdf = open(encry.pdf,wb)

  pdfwriter.write(result_pdf)

  # 关闭文件

  result_pdf.close()

  点击生成的PDF文件。

  

  输入密码才可以打开。

  到此这篇关于Python操作PDF文件的文章就介绍到这了。希望对大家的学习有所帮助,也希望大家多多支持盛行IT软件开发工作室。

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: