前言

pypdf 是一個(gè)純 Python 庫(kù)，用于處理 PDF 文件。它支持讀取、修改、合并、拆分、加密和提取 PDF 文件的文本、元數(shù)據(jù)及頁(yè)面內(nèi)容。pypdf 是 PyPDF2 的繼任者（2022 年更名并重構(gòu)），提供了更現(xiàn)代化的 API 和更高的性能，適合處理簡(jiǎn)單的 PDF 操作任務(wù)。

以下是對(duì) pypdf 庫(kù)的詳細(xì)說(shuō)明和常見(jiàn)用法。

1. pypdf 庫(kù)的作用

• 讀取 PDF：提取文本、元數(shù)據(jù)、頁(yè)面數(shù)量等。
• 修改 PDF：合并、拆分、旋轉(zhuǎn)、裁剪頁(yè)面。
• 創(chuàng)建 PDF：生成新 PDF 或添加內(nèi)容（如文本、水印）。
• 加密/解密：為 PDF 設(shè)置密碼或解鎖受保護(hù)的 PDF。
• 跨平臺(tái)：純 Python 實(shí)現(xiàn)，無(wú)需外部依賴（如 Adobe Acrobat）。

2. 安裝與環(huán)境要求

• Python 版本：支持 Python 3.6+（推薦 3.8+）。
• 依賴：無(wú)強(qiáng)制外部依賴，可選依賴：
  • Pillow：處理 PDF 中的圖像。
  • pycryptodome：支持加密/解密。
• 安裝命令：

  pip install pypdf
  

• 可選擴(kuò)展：

  pip install pypdf[image]  # 包含 Pillow
  pip install pypdf[crypto]  # 包含 pycryptodome
  

• 驗(yàn)證安裝：

  import pypdf
  print(pypdf.__version__)  # 示例輸出: 5.0.1
  

3. 核心功能與用法

pypdf 的核心類包括 PdfReader（讀取 PDF）、PdfWriter（修改/創(chuàng)建 PDF）和 PdfMerger（合并 PDF）。以下是主要功能和示例。

3.1 讀取 PDF

使用 PdfReader 讀取 PDF 文件，提取元數(shù)據(jù)、頁(yè)面數(shù)和文本。

from pypdf import PdfReader

# 打開(kāi) PDF 文件
reader = PdfReader("example.pdf")

# 獲取元數(shù)據(jù)
metadata = reader.metadata
print(metadata)  # 輸出: {'/Title': 'Example PDF', '/Author': 'John Doe', ...}

# 獲取頁(yè)面數(shù)
print(len(reader.pages))  # 輸出頁(yè)面數(shù)

# 提取第一頁(yè)文本
page = reader.pages[0]
print(page.extract_text())

說(shuō)明：

• reader.metadata 返回 PDF 元數(shù)據(jù)（如標(biāo)題、作者）。
• reader.pages 是一個(gè)頁(yè)面列表，pages[i] 返回第 i 頁(yè)（從 0 開(kāi)始）。
• page.extract_text() 提取頁(yè)面文本（效果依賴 PDF 結(jié)構(gòu)，可能不完整）。

3.2 合并 PDF

使用 PdfMerger 或 PdfWriter 合并多個(gè) PDF 文件。

from pypdf import PdfMerger

# 創(chuàng)建合并器
merger = PdfMerger()

# 添加 PDF 文件
merger.append("file1.pdf")
merger.append("file2.pdf")

# 保存合并結(jié)果
merger.write("merged.pdf")
merger.close()

替代方法（使用 PdfWriter）：

from pypdf import PdfReader, PdfWriter

writer = PdfWriter()
for pdf in ["file1.pdf", "file2.pdf"]:
    reader = PdfReader(pdf)
    for page in reader.pages:
        writer.add_page(page)

with open("merged.pdf", "wb") as f:
    writer.write(f)

說(shuō)明：

• PdfMerger 更適合簡(jiǎn)單合并任務(wù)。
• PdfWriter 提供更靈活的控制。

3.3 拆分 PDF

將 PDF 拆分為單個(gè)頁(yè)面或指定范圍。

from pypdf import PdfReader, PdfWriter

reader = PdfReader("example.pdf")

# 拆分每一頁(yè)為單獨(dú) PDF
for i, page in enumerate(reader.pages):
    writer = PdfWriter()
    writer.add_page(page)
    with open(f"page_{i+1}.pdf", "wb") as f:
        writer.write(f)

說(shuō)明：

• 每個(gè)頁(yè)面保存為單獨(dú)文件。
• 可通過(guò)索引選擇特定頁(yè)面范圍。

3.4 旋轉(zhuǎn)頁(yè)面

旋轉(zhuǎn) PDF 的頁(yè)面。

from pypdf import PdfReader, PdfWriter

reader = PdfReader("example.pdf")
writer = PdfWriter()

# 旋轉(zhuǎn)第一頁(yè) 90 度
page = reader.pages[0]
page.rotate(90)
writer.add_page(page)

# 保存結(jié)果
with open("rotated.pdf", "wb") as f:
    writer.write(f)

說(shuō)明：

• page.rotate(angle) 接受角度（順時(shí)針，90 的倍數(shù)）。
• 旋轉(zhuǎn)后的頁(yè)面添加到新 PDF。

3.5 加密/解密 PDF

為 PDF 設(shè)置密碼或解鎖受保護(hù)的 PDF。

from pypdf import PdfReader, PdfWriter

# 加密 PDF
reader = PdfReader("example.pdf")
writer = PdfWriter()

for page in reader.pages:
    writer.add_page(page)

writer.encrypt(user_password="my_password", algorithm="AES-256")
with open("encrypted.pdf", "wb") as f:
    writer.write(f)

# 解密 PDF
reader = PdfReader("encrypted.pdf")
if reader.is_encrypted:
    reader.decrypt("my_password")
print(reader.pages[0].extract_text())

說(shuō)明：

• encrypt 支持 RC4-128 和 AES-256 算法。
• decrypt 需提供正確密碼。

3.6 提取圖像

從 PDF 中提取圖像（需安裝 Pillow）。

from pypdf import PdfReader

reader = PdfReader("example.pdf")
page = reader.pages[0]
for img in page.images:
    with open(f"image_{img.name}", "wb") as f:
        f.write(img.data)

說(shuō)明：

• page.images 返回頁(yè)面中的圖像對(duì)象。
• img.data 是圖像的二進(jìn)制數(shù)據(jù)。

4. 性能與特點(diǎn)

• 高效性：純 Python 實(shí)現(xiàn)，啟動(dòng)快，無(wú)需外部工具。
• 內(nèi)存效率：逐頁(yè)處理，適合大型 PDF。
• 靈活性：支持頁(yè)面級(jí)操作和元數(shù)據(jù)修改。
• 局限性：
  • 文本提取效果依賴 PDF 結(jié)構(gòu)，復(fù)雜格式（如掃描文檔）可能失敗。
  • 不支持直接編輯 PDF 內(nèi)容（如修改文本），需結(jié)合其他庫(kù)（如 reportlab）。

5. 實(shí)際應(yīng)用場(chǎng)景

• 文檔處理：合并報(bào)告、拆分章節(jié)、提取元數(shù)據(jù)。
• 自動(dòng)化工作流：批量處理 PDF（如添加水印、加密）。
• 數(shù)據(jù)提取：從 PDF 提取文本或圖像用于分析。
• 電子書(shū)管理：調(diào)整頁(yè)面順序或裁剪邊距。
• 安全管理：為敏感文檔設(shè)置密碼。

示例（提取所有頁(yè)面文本）：

from pypdf import PdfReader

reader = PdfReader("example.pdf")
text = ""
for page in reader.pages:
    text += page.extract_text() or ""
print(text[:200])  # 輸出前 200 字符

6. 注意事項(xiàng)

• 文本提取：
  • 掃描或圖像型 PDF 需先用 OCR 工具（如 pytesseract）處理。
  • 復(fù)雜布局可能導(dǎo)致文本順序錯(cuò)誤。
• 加密限制：
  • 某些高強(qiáng)度加密可能需要 pycryptodome。
  • 解密需正確密碼，否則拋出異常。
• 文件路徑：
  • 確保文件路徑正確，建議使用 pathlib 或絕對(duì)路徑。
• 版本兼容性：
  • pypdf（≥3.0.0）與 PyPDF2 不完全兼容，舊代碼需調(diào)整。
  • 最新版本（5.0.1，截至 2025）優(yōu)化了性能和 API。
• 錯(cuò)誤處理：
  • 處理 FileNotFoundError（文件不存在）。
  • 處理 PdfReadError（文件損壞或加密）。

7. 綜合示例

以下是一個(gè)綜合示例，展示讀取、合并、加密和提取文本：

from pypdf import PdfReader, PdfWriter, PdfMerger

# 讀取 PDF 元數(shù)據(jù)和文本
reader = PdfReader("input.pdf")
print("Metadata:", reader.metadata)
print("Page count:", len(reader.pages))
print("First page text:", reader.pages[0].extract_text()[:100])

# 合并多個(gè) PDF
merger = PdfMerger()
merger.append("input1.pdf")
merger.append("input2.pdf")
merger.write("merged.pdf")
merger.close()

# 加密合并后的 PDF
reader = PdfReader("merged.pdf")
writer = PdfWriter()
for page in reader.pages:
    writer.add_page(page.rotate(90))  # 旋轉(zhuǎn)頁(yè)面
writer.encrypt(user_password="secret", algorithm="AES-256")
with open("encrypted_rotated.pdf", "wb") as f:
    writer.write(f)

說(shuō)明：

• 讀取元數(shù)據(jù)和文本。
• 合并兩個(gè) PDF。
• 旋轉(zhuǎn)頁(yè)面并加密輸出。

8. 資源與文檔

• 官方文檔：https://pypdf.readthedocs.io/
• GitHub 倉(cāng)庫(kù)：https://github.com/py-pdf/pypdf
• PyPI 頁(yè)面：https://pypi.org/project/pypdf/
• 教程：https://pypdf.readthedocs.io/en/stable/user/introduction.html
• 遷移指南（從 PyPDF2）：https://pypdf.readthedocs.io/en/stable/user/migration.html

到此這篇關(guān)于Python中pypdf庫(kù)處理PDF文件的詳細(xì)說(shuō)明和常見(jiàn)用法的文章就介紹到這了,更多相關(guān)Python pypdf庫(kù)處理PDF文件內(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！

最新評(píng)論