Python 操作 PDF,這兩個庫必須會!

Python在自動化辦公方面有很多實用的第三方庫，可以很方便的處理word、excel、ppt、pdf文件

今天我們就學習一下Python處理PDF文檔的兩個常用庫「pdfplumber」、「pypdf2」

pdfplumber庫按頁處理 pdf ，獲取頁面文字，提取表格等操作

文檔：https://github.com/jsvine/pdfplumber

PyPDF2 是一個純 Python PDF 庫，可以讀取文檔信息（標題，作者等）、寫入、分割、合併PDF文檔，它還可以對pdf文檔進行添加水印、加密解密等

文檔：https://pythonhosted.org/PyPDF2

安裝：

pip install pypdf2

pip install pdfplumber

pdfplumber提取PDF文字

「提取單頁pdf文字」

# 提取pdf文字
import pdfplumber
with pdfplumber.open("D:\\pdffiles\\Python編碼規範中文版.pdf") as pdf:
    page01 = pdf.pages[0] #指定頁碼
    text = page01.extract_text()#提取文本
    print(text)

「提取所有頁pdf文字」
import pdfplumber
with pdfplumber.open("D:\\pdffiles\\Python編碼規範中文版.pdf") as pdf:
    for page in pdf.pages:
        text = page.extract_text()#提取文本
        print(text)
「提取所有pdf文字並寫入文本中」
import pdfplumber
with pdfplumber.open("D:\\pdffiles\\Python編碼規範中文版.pdf") as pdf:
    for page in pdf.pages:
        text = page.extract_text()#提取文本
        txt_file = open("D:\\pdffiles\\Python編碼規範中文版.txt",mode='a',encoding='utf-8')
        txt_file.write(text)

提取PDF表格
「提取表格」
# 提取pdf表格
import pdfplumber
with pdfplumber.open("D:\\pdffiles\\人力資源部崗位編制.pdf") as pdf:
    page01 = pdf.pages[0] #指定頁碼
    table1 = page01.extract_table()#提取單個表格
    # table2 = page01.extract_tables()#提取多個表格
    print(table1)



「提取表格，保存為excel文件」
import pdfplumber
from openpyxl import Workbook #保存表格，需要安裝openpyxl
with pdfplumber.open("D:\\pdffiles\\人力資源部崗位編制.pdf") as pdf:
    page01 = pdf.pages[0]
    table = page01.extract_table()
    workbook = Workbook()
    sheet = workbook.active
    for row in table:
        sheet.append(row)
    workbook.save(filename="D:\\pdffiles\\人力資源部崗位編制.xlsx")

PyPDF2
PyPDF2 中有兩個最常用的類：PdfFileReader和PdfFileWriter，分別用於讀取 PDF 和寫入 PDF。其中PdfFileReader傳入參數可以是一個打開的文件對象，也可以是表示文件路徑的字符串。而PdfFileWriter則必須傳入一個以寫方式打開的文件對象。
「PdfFileReader 對象的屬性和方法」
「PdfFileWriter 對象的屬性和方法」
分割PDF
from PyPDF2 import  PdfFileReader, PdfFileWriter
file_reader = PdfFileReader("D:\\pdffiles\\Python編碼規範中文版.pdf")
# getNumPages() 獲取總頁數
for page in range(file_reader.getNumPages()):
    # 實例化對象
    file_writer = PdfFileWriter()
    # 將遍歷的每一頁添加到實例化對象中
    file_writer.addPage(file_reader.getPage(page))
    with open("D:\\pdffiles\\{}.pdf".format(page),'wb') as out:
        file_writer.write(out)

合併PDF
將上述分割的pdf合併成一個文件
「示例代碼」
from PyPDF2 import  PdfFileReader, PdfFileWriter
file_writer = PdfFileWriter()
for page in range(34):
    # 循環讀取需要合併pdf文件
    file_reader = PdfFileReader("D:\\pdffiles\\{}.pdf".format(page))
    # 遍歷每個pdf的每一頁
    for page in range(file_reader.getNumPages()):
        # 寫入實例化對象中
        file_writer.addPage(file_reader.getPage(page))

with open("D:\\pdffiles\\合併.pdf",'wb') as out:
    file_writer.write(out)
PDF旋轉
# 旋轉pdf，只能按照90度的倍數旋轉
from PyPDF2 import  PdfFileReader, PdfFileWriter
file_reader = PdfFileReader("D:\\pdffiles\\Python編碼規範中文版.pdf")
file_writer = PdfFileWriter()
page = file_reader.getPage(0).rotateClockwise(90) # 第1頁順時針旋轉90度
file_writer.addPage(page) # 寫入
page = file_reader.getPage(1).rotateCounterClockwise(90) # 第2頁逆時針旋轉90度
file_writer.addPage(page) # 寫入
with open("D:\\pdffiles\\旋轉.pdf",'wb') as out:
    file_writer.write(out)
PDF加密解密
「添加密碼」
from PyPDF2 import  PdfFileReader, PdfFileWriter
file_reader = PdfFileReader("D:\\pdffiles\\Python編碼規範中文版.pdf")
file_writer = PdfFileWriter()
for page in range(file_reader.getNumPages()):
    file_writer.addPage(file_reader.getPage(page))

file_writer.encrypt('123456') # 設置密碼
with open("D:\\pdffiles\\加密後.pdf",'wb') as out:
    file_writer.write(out)
打開文件，提示輸入密碼
「解除密碼」
from PyPDF2 import  PdfFileReader, PdfFileWriter
file_reader = PdfFileReader("D:\\pdffiles\\加密後.pdf")
file_reader.decrypt('123456')
file_writer = PdfFileWriter()
for page in range(file_reader.getNumPages()):
    file_writer.addPage(file_reader.getPage(page))

with open("D:\\pdffiles\\解密後.pdf",'wb') as out:
    file_writer.write(out)
PDF添加水印
首先準備一個水印文檔，可以用空白word添加圖片或者文字轉成pdf文件。
「示例代碼」
# 添加水印
from PyPDF2 import  PdfFileReader, PdfFileWriter
from copy import copy
sy = PdfFileReader("D:\\pdffiles\\水印.pdf")
mark_page = sy.getPage(0) # 水印所在的頁數
# 讀取添加水印的文件
file_reader = PdfFileReader("D:\\pdffiles\\Python編碼規範中文版.pdf")
file_writer = PdfFileWriter()

for page in range(file_reader.getNumPages()):
    # 讀取需要添加水印每一頁pdf
    source_page = file_reader.getPage(page)
    new_page = copy(mark_page) #
    new_page.mergePage(source_page) # new_page(水印)在下面，source_page原文在上面
    file_writer.addPage(new_page)

with open("D:\\pdffiles\\添加水印後.pdf",'wb') as out:
    file_writer.write(out)
添加水印後的文檔：

🧐分享、點讚、在看，給個三連擊唄！