python使用PyPDF2 和 pdfplumber操作PDF文件

更新時(shí)間：2025年01月05日 09:32:32 作者：禿了也弱了。

本文主要介紹了Python中用于操作PDF的兩個(gè)庫(kù)：PyPDF2和pdfplumber,下面就來(lái)具體介紹一下兩個(gè)庫(kù)的使用方法,具有一定的參考價(jià)值,感興趣的可以了解一下

一、第三方庫(kù)介紹

Python 操作 PDF 會(huì)用到兩個(gè)庫(kù)，分別是：PyPDF2 和 pdfplumber。

PyPDF2 可以更好的讀取、寫入、分割、合并PDF文件；
pdfplumber 可以更好的讀取 PDF 文件中內(nèi)容和提取 PDF 中的表格，主要應(yīng)用于機(jī)器生成的PDF，而非掃描的PDF文檔。

對(duì)應(yīng)的官網(wǎng)分別是：

PyPDF2：https://pythonhosted.org/PyPDF2/

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

由于這兩個(gè)庫(kù)都不是 Python 的標(biāo)準(zhǔn)庫(kù)，所以在使用之前都需要單獨(dú)安裝，在終端中依次輸入如下命令進(jìn)行安裝：
pip install PyPDF2pip install pdfplumber

二、基本使用

1、拆分pdf

拆分的大概思路如下：
讀取 PDF 的整體信息、總頁(yè)數(shù)等
按照頁(yè)數(shù)每頁(yè)拆分為一個(gè)PDF
將小的文件塊重新保存為新的 PDF 文件

import os.path
from PyPDF2 import PdfFileReader, PdfFileWriter

pdf_path = r"D:\自動(dòng)化\pdf.pdf"
out_dir = r"D:\自動(dòng)化\pdf\拆分"

if not os.path.exists(out_dir):
	os.makedirs(out_dir)
	
# 獲取 PdfFileReader 對(duì)象
pdf_reader = PdfFileReader(pdf_path)

# 獲取 pdf 文件頁(yè)數(shù)
pageCount = pdf_reader.getNumPages()
for page in range(pageCount):
	pdf_writer = PdfFileWriter()
	pdf_writer.addPage(pdf_reader.getPage(page))
	out_path = out_dir + "\\%s.pdf" % page
	with open(out_path, "wb") as out:
		pdf_writer.write(out)

import os
from PyPDF2 import PdfFileWriter, PdfFileReader

"""
	拆分PDF為多個(gè)小的PDF文件，
	@param filename:拆分后的文件名
	@param filepath:文件路徑
	@param save_dir:保存小的PDF的文件路徑
	@param step: 每step間隔的頁(yè)面生成一個(gè)文件，例如step=3，表示0-2頁(yè)、2-5頁(yè)...為一個(gè)文件
	@return:
"""
def 拆分PDF(file_name, file_path, save_dir, step=3):
	if not os.path.exists(save_dir):
		os.mkdir(save_dir)

	if step < 1:
		print("輸入的拆分間隔不能小于1")
		return

	pdf_reader = PdfFileReader(file_path)
	# 獲取文件總頁(yè)數(shù)
	pageCount = pdf_reader.getNumPages()
	# 讀取每一頁(yè)的數(shù)據(jù)
	for page in range(0, pageCount, step):
		pdf_writer = PdfFileWriter()
		# 拆分pdf，每 step 頁(yè)的拆分成一個(gè)文件
		for index in range(page, page + step):
			if index < pageCount:
				pdf_writer.addPage(pdf_reader.getPage(index))
		# 保存拆分后的小文件
		childName = '%s%s.pdf' % (file_name, int(page / step) + 1)
		save_path = os.path.join(save_dir, childName)
		print(save_path)
		with open(save_path, "wb") as out:
			pdf_writer.write(out)
	print("文件已成功拆分，保存路徑為：" + save_dir)

if __name__ == '__main__':
	拆分PDF('拆分PDF', 'D:\自動(dòng)化\pdf\二期第1講.pdf', 'D:\自動(dòng)化\pdf\拆分2', 4)

2、合并pdf

比起拆分來(lái)，合并的思路更加簡(jiǎn)單：
確定要合并的文件順序
循環(huán)追加到一個(gè)文件塊中
保存成一個(gè)新的文件

from PyPDF2 import PdfFileReader, PdfFileWriter
import os

pdf_dir = r"D:\自動(dòng)化\pdf\拆分"
out_path = r"D:\自動(dòng)化\pdf\merge.pdf"

pdfList = os.listdir(pdf_dir)
pdf_writer = PdfFileWriter()
for i in range(len(pdfList)):
	path = pdf_dir + "\\%s.pdf" % i
	pdf_reader = PdfFileReader(path)
	for page in range(pdf_reader.getNumPages()):
		pdf_writer.addPage(pdf_reader.getPage(page))

with open(out_path, "wb") as out:
	pdf_writer.write(out)

3、提取文字內(nèi)容

import pdfplumber

pdf_path = r"D:\自動(dòng)化\pdf\道德經(jīng).pdf"
with pdfplumber.open(pdf_path) as pdf:
	# 讀取所有內(nèi)容
	for page in pdf.pages:
		print(page.extract_text())

# 讀取第一頁(yè)的文字內(nèi)容
# page = pdf.pages[0]
# print(page.extract_text())

4、提取表格內(nèi)容

extract_table()：獲取page頁(yè)的第一個(gè)表格數(shù)據(jù)，表格數(shù)據(jù)為一個(gè)二維列表
extract_tables()：獲取page頁(yè)的所有表格數(shù)據(jù)，表格數(shù)據(jù)為一個(gè)三維列表

import pdfplumber
pdf_path = r"D:\自動(dòng)化\pdf\道德經(jīng).pdf"
with pdfplumber.open(pdf_path) as pdf:
	# 獲取第2頁(yè)數(shù)據(jù)
	page = pdf.pages[1]
	# 獲取第2頁(yè)的第一個(gè)表格的內(nèi)容
	table = page.extract_table()
	print(type(table), table)
	
	# 獲取第2頁(yè)所有表格的內(nèi)容
	tables = page.extract_tables()
	print(type(tables), tables)

5、PDF加密

PDF 文件加密需要使用 encrypt 函數(shù)，對(duì)應(yīng)的加密代碼也比較簡(jiǎn)單：

from PyPDF2 import PdfFileReader, PdfFileWriter

pdf_path = r"D:\自動(dòng)化\pdf\道德經(jīng).pdf"
sava_path = r"D:\自動(dòng)化\pdf\加密后.pdf"

pdf_reader = PdfFileReader(pdf_path)
pdf_writer = PdfFileWriter()
for page in range(pdf_reader.getNumPages()):
	pdf_writer.addPage(pdf_reader.getPage(page))

# 添加密碼
pdf_writer.encrypt("mima")

with open(sava_path, "wb") as out:
	pdf_writer.write(out)

6、PDF解密

PDF 文件加密需要使用 encrypt 函數(shù)，解密則是使用decrypt 函數(shù)，代碼如下：

from PyPDF2 import PdfFileReader, PdfFileWriter

pdf_path = r"D:\自動(dòng)化\pdf\加密后.pdf"
sava_path = r"D:\自動(dòng)化\pdf\解密后.pdf"

pdf_reader = PdfFileReader(pdf_path)

# 利用密碼解密
pdf_reader.decrypt('mima')
pdf_writer = PdfFileWriter()
for page in range(pdf_reader.getNumPages()):
	pdf_writer.addPage(pdf_reader.getPage(page))
with open(sava_path, "wb") as out:
	pdf_writer.write(out)

到此這篇關(guān)于python使用PyPDF2 和 pdfplumber操作PDF文件的文章就介紹到這了,更多相關(guān)PyPDF2 和 pdfplumber操作PDF內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: