Python利用字節(jié)串或字節(jié)數組來加載和保存PDF文檔

更新時間：2024年09月08日 10:55:12 作者：Eiceblue

處理PDF文件的可以直接讀取和寫入文件系統(tǒng)中的PDF文件,然而,通過字節(jié)串（byte string）或字節(jié)數組（byte array）來加載和保存PDF文檔在某些情況下更高效,本文將介紹如何使用Python通過字節(jié)串或字節(jié)數組來加載和保存PDF文檔,需要的朋友可以參考下

引言

處理PDF文件的可以直接讀取和寫入文件系統(tǒng)中的PDF文件，然而，通過字節(jié)串（byte string）或字節(jié)數組（byte array）來加載和保存PDF文檔在某些情況下更高效。這種方法不僅可以提高數據處理的靈活性，允許開發(fā)者在內存中直接操作PDF，而且還能增強安全性，同時方便跨應用傳輸和網絡傳輸。

本文將介紹如何使用Python通過字節(jié)串或字節(jié)數組來加載和保存PDF文檔。

本文所使用的方法需要用到Spire.PDF for Python，PyPI：pip install Spire.PDF。

創(chuàng)建PDF文檔并保存為字節(jié)串或字節(jié)數組

我們可以使用庫中的類和方法直接創(chuàng)建PDF文檔，并將其保存到Stream對象。此對象可通過Stream.ToArray()方法轉換為不可變的bytes對象進行操作。而bytes對象也可以直接轉換為可變的bytearray對象，從而對文件進行字節(jié)層面的編輯或其他操作。以下是操作步驟：

導入所需模塊。
創(chuàng)建PdfDocument對象。
設置PDF頁面，添加頁面并繪制內容。
使用PdfDocument.SaveToStream()方法將PDF文檔保存到Stream對象。
使用Stream.ToArray()方法將Stream對象轉換為bytes對象。
可使用bytes對象直接構建bytearray對象。
接下來可以字節(jié)串或字節(jié)數組進行更多操作，如寫入文件、傳輸等。

代碼示例

from spire.pdf import *

# 創(chuàng)建PdfDocument類的一個實例
pdf = PdfDocument()

# 設置文檔的頁面大小和邊距
pageSettings = pdf.PageSettings
pageSettings.Size = PdfPageSize.A4()
pageSettings.Margins.Top = 50
pageSettings.Margins.Bottom = 50
pageSettings.Margins.Left = 40
pageSettings.Margins.Right = 40

# 向文檔添加一個新的頁面
page = pdf.Pages.Add()

# 為文檔內容創(chuàng)建字體和畫筆
titleFont = PdfTrueTypeFont("HarmonyOS Sans SC", 16.0, PdfFontStyle.Bold, True)
titleBrush = PdfBrushes.get_Brown()
contentFont = PdfTrueTypeFont("HarmonyOS Sans SC", 13.0, PdfFontStyle.Regular, True)
contentBrush = PdfBrushes.get_Black()

# 在頁面上繪制標題
titleText = "人工智能簡介"
titleSize = titleFont.MeasureString(titleText)
page.Canvas.DrawString(titleText, titleFont, titleBrush, PointF(0.0, 30.0))

# 在頁面上繪制正文文本
contentText = ("人工智能（AI）是計算機科學的一個分支，它旨在創(chuàng)造能夠模擬人類智能行為的機器。這包括學習（通過經驗改進自身）、推理（使用規(guī)則來達到近似或確定性的結論）、自我修正等特性。AI的應用范圍廣泛，從簡單的任務自動化到復雜的決策支持系統(tǒng)均有涉及。")
# 設置正文文本的格式
contentFormat = PdfStringFormat()
contentFormat.Alignment = PdfTextAlignment.Justify
contentFormat.LineSpacing = 20.0
# 使用正文文本創(chuàng)建一個TextWidget對象并應用字符串格式
textWidget = PdfTextWidget(contentText, contentFont, contentBrush)
textWidget.StringFormat = contentFormat
# 創(chuàng)建一個TextLayout對象并設置布局選項
textLayout = PdfTextLayout()
textLayout.Layout = PdfLayoutType.Paginate
textLayout.Break = PdfLayoutBreakType.FitPage
# 在頁面上繪制TextWidget
rect = RectangleF(PointF(0.0, titleSize.Height + 50.0), page.Canvas.ClientSize)
textWidget.Draw(page, rect, textLayout)

# 將PDF文檔保存到一個Stream對象
pdfStream = Stream()
pdf.SaveToStream(pdfStream)

# 將Stream對象轉換為bytes對象
pdfBytes = pdfStream.ToArray()

# 將Stream對象轉換為bytearray對象
pdfBytearray = bytearray(pdfStream.ToArray())

# 將字節(jié)流寫入文件
with open("output/AI簡介.pdf", "wb") as f:
    f.write(pdfBytearray)

結果

從字節(jié)串或字節(jié)數組加載PDF文檔進行操作

Stream類支持用bytes對象（或bytearray直接轉換為bytes）直接構建實例。然后，我們可以使用PdfDocument.LoadFromStream()方法將Stream對象載入為PDF文檔進行文檔操作，如編輯、轉換等。以下是操作步驟：

導入所需模塊。
創(chuàng)建bytes對象或使用現(xiàn)有bytes對象，來構建Stream對象。
創(chuàng)建PdfDocument對象。
使用PdfDocument.LoadFromStream()方法將Stream對象載入為PDF文檔。
對文檔進行操作，如提取頁面文字。

代碼示例

from spire.pdf import *

# 從PDF文件創(chuàng)建一個字節(jié)數組
with open("示例.pdf", "rb") as f:
    byteData = f.read()

# 從字節(jié)數組創(chuàng)建一個Stream對象
stream = Stream(byteData)

# 將Stream對象加載為PDF文檔
pdf = PdfDocument(stream)

# 獲取第一頁的文字
page = pdf.Pages.get_Item(0)
textExtractor = PdfTextExtractor(page)
extractOptions = PdfTextExtractOptions()
extractOptions.IsExtractAllText = True
text = textExtractor.ExtractText(extractOptions)

# 打印文字
print(text)

結果