在后台回复【阅读书籍】
即可获取python相关电子书~
Hi，我是山月。
之前给大家介绍了python处理excel、word、ppt的相关教程，不知道大家学的怎么样？
在后台回复【自动化办公】即可查看全部自动化办公教程哦~
今天来给大家介绍下python处理pdf文档的一个库--PyPDF2。
PyPDF2 是源自 pyPdf 项目的纯 Python PDF 工具包。它擅长处理PDF文档本身，比如对PDF 文档进行分割、 合并、 插入等操作。
官网：/PyPDF2/index.html
安装：pip install pypdf2
01
基础知识
PyPDF2 一共有4大主模块：PdfFileReader、PdfFileWriter、PdfFileMerger、PageObject，分别是读、写、合并、页面对象。
1、PdfFileReader
1、导入
fromPyPDF2importPdfFileReader
2、获取 PdfFileReader 对象
PdfFileReader(stream,strict=True,warndest=None,overwriteWarnings=True)参数：stream ：一个 File 对象或支持类似于 File 对象的标准读取和查找方法的对象。也可以是表示 PDF 文件路径的字符串。strict (bool)：确定是否应该警告用户所有的问题，也会导致一些可纠正的问题是致命的。默认值为True。warndest ：记录警告的目标（默认为 sys.stderr）。overwriteWarnings (bool)：确定是否使用自定义实现覆盖 Python 的 warnings.py 模块（默认为 True）。
比如想读取将进酒.pdf内容：
pdfFileReader=PdfFileReader(open('将进酒.pdf','rb'))#获取PdfileReader对象#也可以：pdfFileReader = PdfFileReader('将进酒.pdf')
3、一些方法与属性
4、实例
现在有一个2页的将进酒.pdf文件：
fromPyPDF2importPdfFileReaderpdfFileReader=PdfFileReader(open('将进酒.pdf','rb'))documentInfo=pdfFileReader.documentInfoprint(documentInfo)#检索文档信息'''{'/Author':'是山月呀','/Comments':'','/Company':'','/CreationDate':"D:0312161040+08'10'",'/Creator':'WPS文字','/Keywords':'','/ModDate':"D:0314130926+08'00'",'/Producer':'','/SourceModified':"D:0312161040+08'10'",'/Subject':'','/Title':'','/Trapped':'/False'}'''print(documentInfo.author)#检索文档的作者--->>是山月呀pages=pdfFileReader.numPages#计算文件的页数print(pages)#--->>2page=pdfFileReader.getPage(1)#检索第2页页面print(page)'''{'/Type':'/Page','/Parent':IndirectObject(2,0),'/MediaBox':[0,0,595.276,841.89],'/Rotate':0,'/Resources':{'/Font':{'/KSPF1':IndirectObject(29,0),'/KSPF2':IndirectObject(31,0)}},'/Contents':IndirectObject(33,0)}'''pageLayout=pdfFileReader.pageLayout#获取页面布局print(pageLayout)#--->>Noneis_Encrypted=pdfFileReader.isEncrypted#判断是否加密print(is_Encrypted)#--->>False
2、PdfFileWriter
1、导入
fromPyPDF2importPdfFileWriter
2、初始化PdfFileReader 对象
PdfFileWriter=PdfFileWriter()
3、一些方法与属性
1、文件写入
write(stream)参数：stream：要将文件写入的对象。
2、添加页面
addPage(page)参数：page：要添加到文档的页面，应该是 PageObject 的一个实例
3、添加空白页
addBlankPage(width=None,height=None)参数：width(float)–页面的宽度。height(float)–页面的高度。如果未指定页面大小，则使用最后一页的大小。如果未指定页面大小并且上一页不存在，则会引发PageSizeNotDefinedError。
4、添加书签
addBookmark(title,pagenum,parent=None,color=None,bold=False,italic=False,fit='/Fit',*args)参数：title (str)：用于此书签的标题。pagenum (int)：此书签将指向的页码。parent ：对父书签的引用以创建嵌套书签。color (tuple)：书签的颜色为从0.0到 1.0的红、绿、蓝元组bold (bool)：书签为粗体italic (bool)：书签是斜体fit (str)：目标页面的适合度。
5、写入读取的文档
appendPagesFromReader(reader,after_page_append=None)参数：reader：一个 PdfFileReader 对象after_page_append(function)：调用的回调函数
6、加密
encrypt(user_pwd,owner_pwd=None,use_128bit=True)参数：user_pwd (str)：“用户密码”，允许在提供的限制下打开和阅读 PDF 文件。owner_pwd (str)：“所有者密码”，允许不受任何限制地打开 PDF 文件。默认情况下，所有者密码与用户密码相同。use_128bit (bool)：标记是否使用 128 位加密，默认为True。为false时，将使用 40位加密。
7、插入空白页
insertBlankPage(width=None,height=None,index=0)参数：width(float)：页面的宽度。height(float)：页面的高度。index (int)：添加页面的位置。如果未指定页面大小，则使用最后一页的大小。如果未指定页面大小并且上一页不存在，则会引发PageSizeNotDefinedError
8、插入页面
insertPage(page,index=0)参数：page (PageObject)：要添加到文档的页面，该参数是 PageObject 的一个实例。index (int)：将插入页面的位置。
9、获取页数
getNumPages()
10、按页码检索页面
getPage(pageNumber)参数：pageNumber (int)：要检索的页码（从0开始）
11、设置页面布局
setPageLayout(layout)参数：layout (str)：要使用的页面布局。但是设置了没有发生作用。可设置的布局有:/NoLayout：未指定布局/SinglePage：一次显示一页/OneColumn：一次显示一列/TwoColumnLeft：分两列显示页面，奇数页在左边/TwoColumnRight：分两列显示页面，奇数页在右边/TwoPageLeft：一次显示两页，奇数页在左边/TwoPageRight：一次显示两页，奇数页在右边
12、获取页面布局
getPageLayout()#也可以：pageLayout
13、设置页面模式
setPageMode(mode)参数：mode (str)：要使用的页面模式。但是设置了没有发生作用。可设置的页面模式有:/UseNone：不显示面板/UseOutlines：查看文档书签/UseThumbs：查看文档缩略图/UseAttachments：查看文件附件/FullScreen：全屏视图/UseOC：显示可选内容组(OCG)
14、获取页面模式
getPageMode()#也可以：pageMode
15、删除图像
removeImages(ignoreByteStringObject=False)参数：ignoreByteStringObject (bool)：忽略 ByteString 对象的可选参数。
16、删除文字
removeText(ignoreByteStringObject=False)参数：ignoreByteStringObject (bool)：忽略 ByteString 对象的可选参数。
17、删除链接和注释
removeLinks()
3、PdfFileMerger
1、导入
fromPyPDF2importPdfFileMerger
2、获取PdfFileMerger 对象
PdfFileMerger(strict=True)参数：strict (bool)–确定是否应该警告用户所有的问题，也会导致一些可纠正的问题是致命的。默认值为True。
3、一些方法与属性
1、合并
merge(position,fileobj,bookmark=None,pages=None,import_bookmarks=True)参数：position (int)：插入此文件的页码，文件将在给定编号之后插入。fileobj：文件对象或支持类似于文件对象的标准读取和查找方法的对象，也可以是表示 PDF 文件路径的字符串。bookmark (str)：可以通过提供书签的文本来指定要在包含文件的开头应用的书签。pages ：指定要合并的的页面范围，可以是Range 或(start, stop[, step])元组import_bookmarks (bool)：可以通过将其指定为 False 来阻止导入源文档的书签。
2、附加
append(fileobj,bookmark=None,pages=None,import_bookmarks=True)参数：fileobj：文件对象或支持类似于文件对象的标准读取和查找方法的对象，也可以是表示 PDF 文件路径的字符串。bookmark (str)：可以通过提供书签的文本来指定要在包含文件的开头应用的书签。pages ：指定要合并的的页面范围，可以是Range 或(start, stop[, step])元组import_bookmarks (bool)：可以通过将其指定为 False 来阻止导入源文档的书签。
3、添加书签
addBookmark(title,pagenum,parent=None)参数：title (str)：用于此书签的标题。pagenum (int)：此书签将指向的页码。parent：对父书签的引用以创建嵌套书签。
4、文件写入
write(fileobj)参数：fileobj ：输出文件。可以是文件名或任何类型的类似文件的对象。
5、设置页面布局
setPageLayout(layout)参数：layout (str)：要使用的页面布局
6、设置页面模式
setPageMode(mode)参数：mode (str)：要使用的页面模式。
4、PageObject
页面对象一般是通过访问 PdfFileReader 的 getPage() 方法创建的。
1、几个页面大小属性
1、artBox
一个 RectangleObject，以默认用户空间单位表示，定义页面创建者所期望的页面有意义内容的范围。
2、bleedBox
一个 RectangleObject，以默认用户空间单位表示，定义在生产环境中输出时页面内容应剪切到的区域。
3、cropBox
一个 RectangleObject，以默认用户空间单位表示，定义默认用户空间的可见区域。
当页面被显示或打印时，其内容将被剪裁（裁剪）到这个矩形，然后以某种实现定义的方式施加到输出介质上。
默认值：与 mediaBox 相同。
4、mediaBox
一个 RectangleObject，以默认用户空间单位表示，定义了要在其上显示或打印页面的物理介质的边界。
5、trimBox
一个 RectangleObject，以默认用户空间单位表示，定义修剪后完成页面的预期尺寸。
2、合并页面
1、合并页面
mergePage(page2)参数：page2 (PageObject)：要合并到此页面的页面，是 PageObject 的一个实例。
2、合并旋转页面
mergeRotatedPage(page2,rotation,expand=False)参数：page2 (PageObject)：要合并到此页面的页面，是 PageObject 的一个实例。rotation(float)：旋转的角度，以度为单位expand (bool)：是否应扩展页面以适应要合并的页面的尺寸。
3、合并旋转缩放页面
mergeRotatedScaledPage(page2,rotation,scale,expand=False)参数：page2 (PageObject)：要合并到此页面的页面，是 PageObject 的一个实例。rotation(float)：旋转的角度，以度为单位scale(float)：比例因子expand (bool)：是否应扩展页面以适应要合并的页面的尺寸。
4、合并旋转缩放平移页面
mergeRotatedScaledTranslatedPage(page2,rotation,scale,tx,ty,expand=False)参数：page2 (PageObject)：要合并到此页面的页面，是 PageObject 的一个实例。tx(float)：X轴平移ty(float)：Y轴平移rotation(float)：旋转的角度，以度为单位scale(float)：比例因子expand (bool)：是否应扩展页面以适应要合并的页面的尺寸。
5、合并旋转平移页面
mergeRotatedTranslatedPage(page2,rotation,tx,ty,expand=False)参数：page2 (PageObject)：要合并到此页面的页面，是 PageObject 的一个实例。tx(float)：X轴平移ty(float)：Y轴平移rotation(float)：旋转的角度，以度为单位expand (bool)：是否应扩展页面以适应要合并的页面的尺寸。
6、合并缩放页面
mergeScaledPage(page2,scale,expand=False)参数：page2 (PageObject)：要合并到此页面的页面，是 PageObject 的一个实例。scale(float)：比例因子expand (bool)：是否应扩展页面以适应要合并的页面的尺寸。
7、合并缩放平移页面
mergeScaledTranslatedPage(page2,scale,tx,ty,expand=False)参数：page2 (PageObject)：要合并到此页面的页面，是 PageObject 的一个实例。scale(float)：比例因子tx(float)：X轴平移ty(float)：Y轴平移expand (bool)：是否应扩展页面以适应要合并的页面的尺寸。
8、合并转换页面
mergeTransformedPage(page2,ctm,expand=False)参数：page2 (PageObject)：要合并到此页面的页面，是 PageObject 的一个实例。ctm (tuple)：包含转换矩阵操作的6元元组expand (bool)：是否应扩展页面以适应要合并的页面的尺寸。
9、合并平移页面
mergeTranslatedPage(page2,tx,ty,expand=False)参数：page2 (PageObject)：要合并到此页面的页面，是 PageObject 的一个实例。tx(float)：X轴平移ty(float)：Y轴平移expand (bool)：是否应扩展页面以适应要合并的页面的尺寸。
3、旋转
1、顺时针旋转
rotateClockwise(angle)参数：angle (int)：旋转页面的角度，必须是 90度的增量。
2、逆时针旋转
rotateCounterClockwise(angle)参数：angle (int)：旋转页面的角度，必须是 90度的增量。
4、缩放
1、x、y轴分别缩放
scale(sx,sy)参数：sx(float)：水平轴上的比例因子。sy(float)：垂直轴上的比例因子。
2、x、y轴同时缩放
scaleBy(factor)参数：factor(float)：比例因子（对于 X 和 Y 轴）。
3、缩放到指定尺寸
scaleTo(width,height)参数：width(float)：新的宽度height(float)：新的高度
02
实例
1、添加水印
有一个将进酒.pdf文件：
现在要给它加上水印，要如何实现呢？
1、文字水印
新建一个pdf水印文件，里面是要加的水印文字，如：
代码实现：
fromPyPDF2importPdfFileReader,PdfFileWriter#导入读、写模块PdfFileWriter=PdfFileWriter()#获取PdfFileWriter对象pdf_file=PdfFileReader(open('将进酒.pdf','rb'))#要添加水印的文档num_pages=pdf_file.getNumPages()#获取pdf文件的页数foriinrange(num_pages):first_page=pdf_file.getPage(i)#获取文件的第i+1页text_watermark=PdfFileReader(open('文字.pdf','rb'))#文字水印文档page_watermark=text_watermark.getPage(0)#获取pdf文件第1页页面page_watermark.mergePage(first_page)#合并两个页面PdfFileWriter.addPage(page_watermark)#把合并后的页面写入pdf文件PdfFileWriter.write(open('实例.pdf','wb'))#保存pdf文件
效果：
2、图片水印
添加图片水印与添加文字水印是一样的操作。
新建一个图片水印文件：
然后把代码里的文字水印文件改成图片水印文件：
fromPyPDF2importPdfFileReader,PdfFileWriter#导入读、写模块PdfFileWriter=PdfFileWriter()#获取PdfFileWriter对象pdf_file=PdfFileReader(open('将进酒.pdf','rb'))#要添加水印的文档num_pages=pdf_file.getNumPages()#获取pdf文件的页数foriinrange(num_pages):first_page=pdf_file.getPage(i)#获取文件的第i+1页text_watermark=PdfFileReader(open('图片.pdf','rb'))#图片水印文档page_watermark=text_watermark.getPage(0)#获取pdf文件第1页页面page_watermark.mergePage(first_page)#合并两个页面PdfFileWriter.addPage(page_watermark)#把合并后的页面写入pdf文件PdfFileWriter.write(open('实例.pdf','wb'))#保存pdf文件
效果：
2、PDF合并
现在有两个pdf文件：将进酒.pdf、梦游天姥吟留别.pdf。
合并两个文档的代码实现：
fromPyPDF2importPdfFileMergerPdfFileMerger=PdfFileMerger()PdfFileMerger.append('将进酒.pdf')#附加将进酒.pdf内容PdfFileMerger.append('梦游天姥吟留别.pdf')#附加梦游天姥吟留别.pdf内容PdfFileMerger.write(open('实例.pdf','wb'))
效果：
3、PDF插入
以我们刚刚的两个文件：将进酒.pdf、梦游天姥吟留别.pdf为例。
假如我们现在需要，在将进酒.pdf第一页的后面插入梦游天姥吟留别.pdf的文档内容，要如何实现呢？
代码实现：
fromPyPDF2importPdfFileMergerPdfFileMerger=PdfFileMerger()PdfFileMerger.merge(0,'将进酒.pdf')PdfFileMerger.merge(1,'梦游天姥吟留别.pdf')PdfFileMerger.write(open('实例.pdf','wb'))
效果：
4、PDF分割
假设我们现在有这样一个文件：数据.pdf，它一共有6页：
现在我们把它两页两页的分割成一个文档，也就是一共分成三个文档。
代码实现：
fromPyPDF2importPdfFileReader,PdfFileWriterpdfFileReader=PdfFileReader('数据.pdf')#获取PdfFileReader对象num_pages=pdfFileReader.getNumPages()#获取页数foriinrange(0,num_pages,2):pdfFileWriter=PdfFileWriter()page_Obj=pdfFileReader.getPage(i)#获取第i+1页页面pdfFileWriter.addPage(page_Obj)#添加读取的第i+1页页面page_Obj=pdfFileReader.getPage(i+1)#获取第i+2页页面pdfFileWriter.addPage(page_Obj)#添加读取的第i+2页页面outfile='第%s页--第%s页.pdf'%(i+1,i+2)pdfFileWriter.write(open(outfile,'wb'))
效果：
5、PDF删除页面
一样的，我们以数据.pdf文件为例，现在我们来删除第3页的内容。
代码实现：
fromPyPDF2importPdfFileReader,PdfFileWriterpdfFileReader=PdfFileReader('数据.pdf')#获取PdfFileReader对象num_pages=pdfFileReader.getNumPages()#获取页数pdfFileWriter=PdfFileWriter()foriinrange(num_pages):ifi!=2:page_Obj=pdfFileReader.getPage(i)#获取第i+1页页面pdfFileWriter.addPage(page_Obj)#添加读取的第i+1页页面outfile='实例.pdf'pdfFileWriter.write(open(outfile,'wb'))
效果：
6、PDF提取页面
一样的，我们以数据.pdf文件为例，现在我们来提取第3页的内容，并另存为一个新文件。
代码：
fromPyPDF2importPdfFileReader,PdfFileWriterpdfFileReader=PdfFileReader('数据.pdf')#获取PdfFileReader对象num_pages=pdfFileReader.getNumPages()#获取页数pdfFileWriter=PdfFileWriter()foriinrange(num_pages):ifi==2:page_Obj=pdfFileReader.getPage(i)#获取第i+1页页面pdfFileWriter.addPage(page_Obj)#添加读取的第i+1页页面outfile='实例.pdf'pdfFileWriter.write(open(outfile,'wb'))
效果：
7、PDF旋转页面
我们把将进酒.pdf文档顺时针旋转90°。
代码：
fromPyPDF2importPdfFileReader,PdfFileWriterpdfFileReader=PdfFileReader('将进酒.pdf')#获取PdfFileReader对象num_pages=pdfFileReader.getNumPages()#获取页数pdfFileWriter=PdfFileWriter()foriinrange(num_pages):page_Obj=pdfFileReader.getPage(i)#获取第i+1页页面page_Obj.rotateClockwise(90)#顺时针旋转90°pdfFileWriter.addPage(page_Obj)#添加读取的第i+1页页面outfile='实例.pdf'pdfFileWriter.write(open(outfile,'wb'))
效果：
8、PDF拼接页面
我们以数据.pdf为例，假设我们现在需要把前4页的页面，拼接到一个页面上去，如何实现呢？
代码实现：
fromPyPDF2importPdfFileReader,PdfFileWriterPdfFileWriter=PdfFileWriter()pdfFileReader=PdfFileReader(open('数据.pdf','rb'))page_1=pdfFileReader.getPage(0)#获取第1页页面page_1.scaleTo(100,150)#页面缩放至宽100，高150page_2=pdfFileReader.getPage(1)#获取第2页页面page_2.scaleTo(100,150)#页面缩放至宽100，高150page_3=pdfFileReader.getPage(2)#获取第3页页面page_3.scaleTo(100,150)#页面缩放至宽100，高150page_4=pdfFileReader.getPage(3)#获取第4页页面page_4.scaleTo(100,150)#页面缩放至宽100，高150page_1.mergeTranslatedPage(page_2,100,0,expand=True)#拼接页面page_1.mergeTranslatedPage(page_3,0,-150,expand=True)#拼接页面page_1.mergeTranslatedPage(page_4,100,-150,expand=True)#拼接页面PdfFileWriter.addPage(page_1)PdfFileWriter.write(open('实例.pdf','wb'))
效果：
9、PDF加密解密
1、加密
fromPyPDF2importPdfFileReader,PdfFileWriterpdfFileReader=PdfFileReader('将进酒.pdf')#获取PdfFileReader对象num_pages=pdfFileReader.getNumPages()#获取页数pdfFileWriter=PdfFileWriter()foriinrange(num_pages):page_Obj=pdfFileReader.getPage(i)#获取第i+页页面pdfFileWriter.addPage(page_Obj)#添加读取的第i+1页页面pdfFileWriter.encrypt('123456')#加密outfile='实例.pdf'pdfFileWriter.write(open(outfile,'wb'))
效果：
如果这个时候我们操作文件的话，会报错：
2、解密
fromPyPDF2importPdfFileReaderpdfFileReader=PdfFileReader('实例.pdf')#获取PdfFileReader对象is_encrypted=pdfFileReader.isEncrypted#判断是否加密print(is_encrypted)#-->>Trueis_password=pdfFileReader.decrypt('123456')print(is_password)#-->>1is_encrypted=pdfFileReader.isEncrypted#判断是否加密print(is_encrypted)#-->>Truenum_pages=pdfFileReader.getNumPages()#获取页数print(num_pages)#-->>2
好啦，关于PyPDF2的内容我们就讲到这。
当然，对于PyPDF2的操作更多是在文档本身上，因此如果想对文档内容进行操作的话，得另找它路。这个我们就下次再分享啦。
关注👉是山月呀，来和山月一起学习吧~
END
您的“点赞”、“在看”和 “分享”是我们产出的动力。
