Python知识点：使用Python进行PDF文档处理

本文主要是介绍Python知识点：使用Python进行PDF文档处理，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

使用 Python 进行 PDF 文档处理可以通过多种库来实现，包括 PyPDF2、pdfplumber、reportlab、pdfminer 等。这些库可以处理不同的 PDF 任务，例如 提取文本、拆分合并 PDF、修改 PDF、生成 PDF 等。以下是几种常见操作及对应的库和代码示例。

1. 安装常用库

首先，安装常用的 PDF 处理库：

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 更轻量，但有时处理复杂的 PDF 格式效果较差，而 pdfplumber 更加适合处理表格等复杂结构的 PDF。

使用 PyPDF2 提取文本

import PyPDF2# 打开 PDF 文件
with open('sample.pdf', 'rb') as file:reader = PyPDF2.PdfReader(file)# 提取每一页的文本for page_num in range(len(reader.pages)):page = reader.pages[page_num]text = page.extract_text()print(f"第 {page_num + 1} 页的文本:\n{text}")

使用 pdfplumber 提取文本

pdfplumber 更适合处理结构化数据，尤其是表格。

import pdfplumber# 打开 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} 页的文本:\n{text}")

3. 合并与拆分 PDF 文件

使用 PyPDF2 合并 PDF 文件

可以将多个 PDF 文件合并为一个文件。

import PyPDF2pdf_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

将 PDF 文件拆分为单独的页面。

import PyPDF2# 打开 PDF 文件
with open('sample.pdf', 'rb') as file:reader = PyPDF2.PdfReader(file)# 按页拆分并保存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. 创建和修改 PDF

使用 ReportLab 创建 PDF 文件

reportlab 是一个功能强大的库，可以用来生成新的 PDF 文件，支持插入文本、图片、图形等。

from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas# 创建 PDF 文件
c = canvas.Canvas("output.pdf", pagesize=letter)
c.drawString(100, 750, "Hello, this is a PDF created with ReportLab!")# 创建矩形
c.rect(100, 700, 400, 100)# 保存 PDF
c.showPage()
c.save()

使用 ReportLab 插入图片

你可以使用 reportlab 插入图片到 PDF 中。

from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvasc = canvas.Canvas("output_with_image.pdf", pagesize=letter)
c.drawString(100, 750, "This is a PDF with an image:")# 插入图片
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，非常适合处理含有表格的文档。

import pdfplumber# 打开 PDF 文件
with pdfplumber.open('table_sample.pdf') as pdf:first_page = pdf.pages[0]# 提取表格数据tables = first_page.extract_table()# 打印提取到的表格数据for row in tables:print(row)

6. PDF 文档加密与解密

使用 PyPDF2 加密 PDF 文件

你可以加密 PDF 文件，防止未经授权的访问。

import PyPDF2# 打开 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])# 设置密码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# 打开加密的 PDF 文件
with open('encrypted_output.pdf', 'rb') as file:reader = PyPDF2.PdfReader(file)# 提供密码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 页面旋转

你可以旋转 PDF 的某些页面，以下是旋转页面的示例：

import PyPDF2# 打开 PDF 文件
with open('sample.pdf', 'rb') as file:reader = PyPDF2.PdfReader(file)writer = PyPDF2.PdfWriter()# 旋转每页 90 度for page in reader.pages:page.rotate_clockwise(90)writer.add_page(page)# 保存旋转后的 PDF 文件with open('rotated_output.pdf', 'wb') as output_file:writer.write(output_file)