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。