pdf（ Portable Document Format ），中文名稱 便攜文檔格式 是我們經常會接觸到的一種文件格式，文獻、文檔...很多都是PDF格式。它以格式穩定的優勢，使得我們在打印、分享、傳輸過程中能夠最優的保持原有色彩和格式。

這是小編準備的Python基礎學習資料,關注，轉發，私信小編“01”即可免費領取！

PDF是以PostScript語言圖像模型為基礎的一種文檔格式，它在格式的穩定性方面雖然具有很大優勢。但是，在可編輯性方面卻為使用者引入了另外一個困擾。

例如，在文檔的分割、合并、剪切、轉換、編輯等方面PDF就有些捉襟見肘了。

Adobe Reader、福昕閱讀器、熊貓PDF...經常用到的PDF工具隻能用于文檔閱讀，但是免費版都不可以用于文檔編輯。雖然，網頁版PDF工具，例如SmallPDF、I love PDF可以用于PDF的編輯，但是對于文檔大小也有限制。

曾經，為了替換PDF中的一頁，我幾乎試遍了所有市面上主流的PDF工具，最終還是不得不選擇使用付費工具來解決問題。

事後想了想，既然這些商業化軟件不靠譜，為什麼不考慮自己動手開發一款工具呢？明明幾十行代碼能夠解決的問題，為什麼要費那麼多勁去下載、安裝那些沒有節操的軟件呢？

本文就來介紹一下利用Python輕松開發一款PDF編輯工具，可以用于PDF轉TxT、分割、合并、剪切、轉換。

PyPDF2

PyPDF2是一個第三方的python PDF庫，它能夠對PDF文件進行 分割 、 合并 、 裁剪 和 轉換頁面 。

另外，它還可以對PDF文件添加自定義數據、水印、密碼，也可以從PDF文件中檢索出文本和元數據。

安裝

使用pip直接安裝：

$ pip install PyPDF2

下面就來演示幾項PDF編輯功能，并且會逐行解釋代碼的含義。

删除PDF頁

先給出實現代碼，

from PyPDF2 import PdfFileWriter, PdfFileReader output = PdfFileWriter() // 1 input1 = PdfFileReader(open("example.pdf", "rb")) // 2 def delete_pdf(index): pages = input1.getNumPages() // 3 for i in range(pages): if i 1 in index: continue output.addPage(input1.getPage(i)) // 4 outputStream = open("PyPDF2-output.pdf", "wb") output.write(outputStream) // 5 delete_pdf([2,3,4])

下面來解釋一下代碼中的幾個關鍵點：

1. 聲明一個用于輸出PDF的實例；
2. 讀取本地PDF文件；
3. 獲取PDF文檔的頁數；
4. 讀取PDF的第 i 頁，添加到輸出 output 實例中；
5. 把編輯後的文檔保存到本地；

合并PDF

已經實現了删除PDF頁，接下來就看一下如何把另外一個PDF中的頁面合并到當前PDF中。

方法1：

可以沿着前面删除PDF頁的方式進行拓展一下，對PDF進行合并。

from PyPDF2 import PdfFileWriter, PdfFileReader output = PdfFileWriter() input1 = PdfFileReader(open("example.pdf", "rb")) input2 = PdfFileReader(open("simple2.pdf", "rb")) // 1 def merge_pdf(add_index, origin_index): pages = input1.getNumPages() k = 0 for i in range(pages): if i 1 in add_index: output.addPage(input2.getPage(origin_index[k])) // 2 pages = 1 k = 1 output.addPage(input1.getPage(i)) outputStream = open("PyPDF2-output.pdf", "wb") output.write(outputStream) merge_pdf([2,3,4], [0, 0, 0])

1. 讀取需要合并的源文件；
2. 遍曆到指定頁，合并源PDF的頁面；

方法2：

除了方法1，還有另外一種方法可以合并PDF：

from PyPDF2 import PdfFileMerger // 1 merger = PdfFileMerger() input1 = open("document1.pdf", "rb") // 2 input2 = open("document2.pdf", "rb") input3 = open("document3.pdf", "rb") merger.append(fileobj = input1, pages = (0,3)) // 3 merger.merge(position = 2, fileobj = input2, pages = (0,1)) // 4 merger.append(input3) // 5 output = open("document-output.pdf", "wb") merger.write(output)

1. 導入PyPDF2合并模塊 PdfFileMerger ;
2. 讀取需要處理和合并的PDF文檔；
3. 從第一個PDF文檔中取出需要合并的前3頁；
4. 把第二個PDF文檔的第一頁插入到文檔中；
5. 把第三個PDF文檔附到輸出文檔末尾；

除了上述介紹的2項主要功能，PyPDF2也有一些其他小功能：

旋轉

input1.getPage(1).rotateClockwise(90)

使得頁面1旋轉90度。

添加水印

page = input1.getPage(3) watermark = PdfFileReader(open("watermark.pdf", "rb")) page.mergePage(watermark.getPage(0))

其中，水印存儲在另外一個PDF文檔 watermark.pdf 中。

加密

password = "secret" output.encrypt(password)

首先給一個 secret 密碼，然後使用 encrypt 對輸出文檔進行加密。

pdfminer

前面介紹的PyPDF2主要擅長于PDF頁面級編輯，而對于文本和源數據級别編輯能力較弱。

所以，這裡就來介紹另外一款Python庫來彌補它的不足。

PDFMiner是一個PDF文檔的文本提取工具，它具有如下特性：

• 能夠準确獲取文本的位置和布局信息；
• 可以将PDF轉換為HTML/XML等格式；
• 可以提取目錄；
• 可以提取标簽内容；
• 支持各種字體類型（Type1、TrueType、Type3和CID）;
• 支持中、日、韓語言和 垂直書寫 文本;

安裝

$ pip install pdfminer

PDF轉TxT

pdfminer在GitHub的托管項目中，在目錄 tools 下給出了一些實用的工具集，例如，PDF轉HTML、PDF轉HTML、PDF轉TXT。我們可以直接通過使用下面命令提出PDF文檔中的文本信息。

$ pdf2txt.py samples/simple1.pdf

總結

通過上述2款Python庫，就可以實現從頁面到文本元數據的編輯，本文隻是簡單的介紹了每項的基本用法。關于詳細的用法和函數列表，可以閱讀官方文檔，或者閱讀GitHub上項目源碼進行了解。此外，可以在這些基本的用法基礎上進行發散思維，發掘更多有價值的應用場景，例如，提出文本數據之後調用翻譯API進行 文獻翻譯 。也可以，對軟件進行封裝，開發成一款通用的PDF編輯工具。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!