快捷導(dǎo)航

使用Python進(jìn)行PDF文檔處理的常見(jiàn)操作

更新時(shí)間：2024年09月08日 10:30:16 作者：杰哥在此

使用 Python 進(jìn)行 PDF 文檔處理可以通過(guò)多種庫(kù)來(lái)實(shí)現(xiàn),包括 PyPDF2、pdfplumber、reportlab、pdfminer 等,這些庫(kù)可以處理不同的 PDF 任務(wù),以下是幾種常見(jiàn)操作及對(duì)應(yīng)的庫(kù)和代碼示例,感興趣的小伙伴跟著小編一起來(lái)看看吧

引言

使用 Python 進(jìn)行 PDF 文檔處理可以通過(guò)多種庫(kù)來(lái)實(shí)現(xiàn)，包括 PyPDF2、pdfplumber、reportlab、pdfminer 等。這些庫(kù)可以處理不同的 PDF 任務(wù)，例如提取文本、拆分合并 PDF、修改 PDF、生成 PDF 等。以下是幾種常見(jiàn)操作及對(duì)應(yīng)的庫(kù)和代碼示例。

1. 安裝常用庫(kù)

首先，安裝常用的 PDF 處理庫(kù)：

pip install PyPDF2 pdfplumber reportlab

2. 提取 PDF 文本

PyPDF2 和 pdfplumber 都可以用于提取 PDF 文本。PyPDF2 更輕量，但有時(shí)處理復(fù)雜的 PDF 格式效果較差，而 pdfplumber 更加適合處理表格等復(fù)雜結(jié)構(gòu)的 PDF。

使用 PyPDF2 提取文本

import PyPDF2

# 打開(kāi) PDF 文件
with open('sample.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)
    
    # 提取每一頁(yè)的文本
    for page_num in range(len(reader.pages)):
        page = reader.pages[page_num]
        text = page.extract_text()
        print(f"第 {page_num + 1} 頁(yè)的文本:\n{text}")

使用 pdfplumber 提取文本

pdfplumber 更適合處理結(jié)構(gòu)化數(shù)據(jù)，尤其是表格。

import pdfplumber

# 打開(kāi) PDF 文件
with pdfplumber.open('sample.pdf') as pdf:
    for page_num in range(len(pdf.pages)):
        page = pdf.pages[page_num]
        text = page.extract_text()
        print(f"第 {page_num + 1} 頁(yè)的文本:\n{text}")

3. 合并與拆分 PDF 文件

使用 PyPDF2 合并 PDF 文件

可以將多個(gè) PDF 文件合并為一個(gè)文件。

import PyPDF2

pdf_files = ['file1.pdf', 'file2.pdf', 'file3.pdf']
merger = PyPDF2.PdfMerger()

for pdf in pdf_files:
    merger.append(pdf)

# 保存合并后的 PDF 文件
with open('merged_output.pdf', 'wb') as output_file:
    merger.write(output_file)

使用 PyPDF2 拆分 PDF 文件

將 PDF 文件拆分為單獨(dú)的頁(yè)面。

import PyPDF2

# 打開(kāi) PDF 文件
with open('sample.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)
    
    # 按頁(yè)拆分并保存
    for page_num in range(len(reader.pages)):
        writer = PyPDF2.PdfWriter()
        writer.add_page(reader.pages[page_num])
        
        with open(f'split_page_{page_num + 1}.pdf', 'wb') as output_file:
            writer.write(output_file)

4. 創(chuàng)建和修改 PDF

使用 ReportLab 創(chuàng)建 PDF 文件

reportlab 是一個(gè)功能強(qiáng)大的庫(kù)，可以用來(lái)生成新的 PDF 文件，支持插入文本、圖片、圖形等。

from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas

# 創(chuàng)建 PDF 文件
c = canvas.Canvas("output.pdf", pagesize=letter)
c.drawString(100, 750, "Hello, this is a PDF created with ReportLab!")

# 創(chuàng)建矩形
c.rect(100, 700, 400, 100)

# 保存 PDF
c.showPage()
c.save()

使用 ReportLab 插入圖片

你可以使用 reportlab 插入圖片到 PDF 中。

from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas

c = canvas.Canvas("output_with_image.pdf", pagesize=letter)
c.drawString(100, 750, "This is a PDF with an image:")

# 插入圖片
c.drawImage("image.png", 100, 600, width=200, height=150)

c.showPage()
c.save()

5. 提取 PDF 表格

pdfplumber 提供了提取 PDF 中表格的功能，非常適合處理含有表格的文檔。

import pdfplumber

# 打開(kāi) PDF 文件
with pdfplumber.open('table_sample.pdf') as pdf:
    first_page = pdf.pages[0]
    
    # 提取表格數(shù)據(jù)
    tables = first_page.extract_table()
    
    # 打印提取到的表格數(shù)據(jù)
    for row in tables:
        print(row)

6. PDF 文檔加密與解密

使用 PyPDF2 加密 PDF 文件

你可以加密 PDF 文件，防止未經(jīng)授權(quán)的訪問(wèn)。

import PyPDF2

# 打開(kāi) PDF 文件
with open('sample.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)
    writer = PyPDF2.PdfWriter()

    for page_num in range(len(reader.pages)):
        writer.add_page(reader.pages[page_num])

    # 設(shè)置密碼
    writer.encrypt(user_password='user123', owner_password='owner123')

    with open('encrypted_output.pdf', 'wb') as output_file:
        writer.write(output_file)

使用 PyPDF2 解密 PDF 文件

如果 PDF 文件已加密，解密并提取文本的方法如下：

import PyPDF2

# 打開(kāi)加密的 PDF 文件
with open('encrypted_output.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)
    
    # 提供密碼
    reader.decrypt('user123')
    
    # 提取文本
    for page_num in range(len(reader.pages)):
        page = reader.pages[page_num]
        print(page.extract_text())

7. PDF 頁(yè)面旋轉(zhuǎn)

你可以旋轉(zhuǎn) PDF 的某些頁(yè)面，以下是旋轉(zhuǎn)頁(yè)面的示例：

import PyPDF2

# 打開(kāi) PDF 文件
with open('sample.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)
    writer = PyPDF2.PdfWriter()
    
    # 旋轉(zhuǎn)每頁(yè) 90 度
    for page in reader.pages:
        page.rotate_clockwise(90)
        writer.add_page(page)
    
    # 保存旋轉(zhuǎn)后的 PDF 文件
    with open('rotated_output.pdf', 'wb') as output_file:
        writer.write(output_file)