用Python操作 PDF的方法有哪些

這篇文章給大家分享的是有關用Python操作 PDF的方法有哪些的內容。小編覺得挺實用的，因此分享給大家做個參考。一起跟隨小編過來看看吧。

python教程欄目今天為大家總結用Python操作PDF的幾種方法。

01

前言

大家好，有關 Python 操作 PDF 的案例之前已經寫過一個?PDF批量合并，這個案例初衷只是給大家提供一個便利的腳本，并沒有太多講解原理,其中涉及的就是 PDF 處理很實用的模塊 PyPDF2 ，本文就好好剖析一下這個模塊，主要將涉及

• os 模塊綜合應用
• glob 模塊綜合應用
• PyPDF2 模塊操作

02

基本操作

PyPDF2 導入模塊的代碼常常是：

from PyPDF2 import PdfFileReader, PdfFileWriter復制代碼

這里導入了兩個方法：

• PdfFileReader 可以理解為讀取器
• PdfFileWriter 可以理解為寫入器

接下來通過幾個案例進一步認識這兩個工具的奇妙之處，用到的示例文件是5個發票的 pdf

每個發票的 PDF 都由兩頁組成：

03

合并

第一個工作是將5個發票pdf合并成10頁。這里讀取器和寫入器應該怎么配合呢？

邏輯如下：

• 讀取器將所有pdf讀取一遍
• 讀取器將讀取的內容交給寫入器
• 寫入器統一輸出到一個新pdf

這里還有一個重要的知識點：讀取器只能將讀取的內容一頁一頁交給寫入器。

因此，邏輯中第1步和第2步實際上不是彼此獨立的步驟，而是讀取器讀取完一個pdf后，就將這個pdf全部頁循環一遍，挨頁交給寫入器。最后等讀取工作全部結束后再輸出。

看一下代碼可以讓思路更清楚：

from PyPDF2 import PdfFileReader, PdfFileWriter

path = r'C:\Users\xxxxxx'
pdf_writer = PdfFileWriter()

for i in range(1, 6):
    pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))
    for page in range(pdf_reader.getNumPages()):
        pdf_writer.addPage(pdf_reader.getPage(page))

with open(path + r'\合并PDF\merge.pdf', 'wb') as out:
    pdf_writer.write(out)復制代碼

由于全部內容都需要交給同一個寫入器最后一起輸出，所以寫入器的初始化一定是在循環體之外的.

如果在循環體內則會變成每次訪問讀取一個pdf就生成一個新的寫入器，這樣每一個讀取器交給寫入器的內容就會被反復覆蓋，無法實現我們的合并需求!

循環體開頭的代碼：

for i in range(1, 6):
    pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))復制代碼

目的就是每次循環讀取一個新的 pdf 文件交給讀取器進行后續操作。實際上這種寫法不是很提倡，由于各 pdf 命名恰好很規則，所以可以直接人為指定數字進行循環。更好的方法是用 glob 模塊：

import glob
for file in glob.glob(path + '/*.pdf'):
    pdf_reader = PdfFileReader(path)復制代碼

代碼中 pdf_reader.getNumPages(): 能夠獲取讀取器的頁數，配合 range 就能遍歷讀取器的所有頁。

pdf_writer.addPage(pdf_reader.getPage(page)) 能夠將當前頁交給寫入器。

最后，用 with 新建一個 pdf 并由寫入器的 pdf_writer.write(out) 方法輸出即可。

04

拆分

如果明白了合并操作中讀取器和寫入器的配合，那么拆分就很好理解了，這里我們以拆分 INV1.pdf 為2個單獨的 pdf 文檔為例，同樣也先來捋一捋邏輯：

• 讀取器讀取 PDF 文檔
• 讀取器一頁一頁交給寫入器
• 寫入器每獲取一頁就立即輸出

通過這個代碼邏輯我們也可以明白，寫入器初始化和輸出的位置一定都在讀取 PDF 循環每一頁的循環體內，而不是在循環體外

代碼很簡單：

from PyPDF2 import PdfFileReader, PdfFileWriter
path = r'C:\Users\xxx'
pdf_reader = PdfFileReader(path + '\INV1.pdf')

for page in range(pdf_reader.getNumPages()):
    # 遍歷到每一頁挨個生成寫入器
    pdf_writer = PdfFileWriter()
    pdf_writer.addPage(pdf_reader.getPage(page))
    # 寫入器被添加一頁后立即輸出產生pdf
    with open(path + '\INV1-{}.pdf'.format(page + 1), 'wb') as out:
        pdf_writer.write(out)復制代碼

05

水印

本次的工作是將下圖作為水印添加到 INV1.pdf 中

首先是準備工作，將需要作為水印的圖片插入 word 中調整合適位置后保存為PDF文件。然后就可以碼代碼了，需要額外用到 copy 模塊，具體解釋見下圖：

就是把讀取器和寫入器初始化，并且把水印 PDF 頁先讀取好備用,核心代碼稍微比較難理解：

加水印本質上就是把水印 PDF 頁和需要加水印的每一頁都合并一遍

由于需要加水印的 PDF 可能有很多頁，而水印 PDF 只有一頁，因此如果直接把水印 PDF 拿來合并，可以抽象理解成加完第一頁，水印 PDF 頁就沒有了。

因此不能直接拿來合并，而要把水印 PDF 頁不斷 copy 出來成新的一頁備用 new_page ，再運用 .mergePage 方法完成跟每一頁合并，把合并后的頁交給寫入器待最后統一輸出!

關于 .mergePage 的使用：出現在下面的頁 .mergePage (出現在上面的頁)，最后效果如圖：

06

加密

加密很簡單，只需要記住：「加密是針對寫入器加密」

因此只需要在相關操作完成后調用 pdf_writer.encrypt (密碼)

以單個 PDF 的加密為例：

感謝各位的閱讀！關于用Python操作 PDF的方法有哪些就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！