總結用Python 操作 PDF 的幾種方法

2020-10-08 21:00:45

欄目今天為大家總結用Python操作PDF的幾種方法。

前言

大家好，有關 Python 操作 PDF 的案例之前已經寫過一個?PDF批次合併，這個案例初衷只是給大家提供一個便利的指令碼，並沒有太多講解原理,其中涉及的就是 PDF 處理很實用的模組 PyPDF2 ，本文就好好剖析一下這個模組，主要將涉及

os 模組綜合應用
glob 模組綜合應用
PyPDF2 模組操作

基本操作

PyPDF2 匯入模組的程式碼常常是：

from PyPDF2 import PdfFileReader, PdfFileWriter複製程式碼

這裡匯入了兩個方法：

PdfFileReader 可以理解為讀取器
PdfFileWriter 可以理解為寫入器

接下來通過幾個案例進一步認識這兩個工具的奇妙之處，用到的範例檔案是5個發票的 pdf

每個發票的 PDF 都由兩頁組成：

合併

第一個工作是將5個發票pdf合併成10頁。這裡讀取器和寫入器應該怎麼配合呢？

邏輯如下：

讀取器將所有pdf讀取一遍
讀取器將讀取的內容交給寫入器
寫入器統一輸出到一個新pdf

這裡還有一個重要的知識點：讀取器只能將讀取的內容一頁一頁交給寫入器。

因此，邏輯中第1步和第2步實際上不是彼此獨立的步驟，而是讀取器讀取完一個pdf後，就將這個pdf全部頁迴圈一遍，挨頁交給寫入器。最後等讀取工作全部結束後再輸出。

看一下程式碼可以讓思路更清楚：

from PyPDF2 import PdfFileReader, PdfFileWriter

path = r'C:\Users\xxxxxx'
pdf_writer = PdfFileWriter()

for i in range(1, 6):
    pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))
    for page in range(pdf_reader.getNumPages()):
        pdf_writer.addPage(pdf_reader.getPage(page))

with open(path + r'\合併PDF\merge.pdf', 'wb') as out:
    pdf_writer.write(out)複製程式碼

由於全部內容都需要交給同一個寫入器最後一起輸出，所以寫入器的初始化一定是在迴圈體之外的.

如果在迴圈體內則會變成每次存取讀取一個pdf就生成一個新的寫入器，這樣每一個讀取器交給寫入器的內容就會被反覆覆蓋，無法實現我們的合併需求!

迴圈體開頭的程式碼：

for i in range(1, 6):
    pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))複製程式碼

目的就是每次迴圈讀取一個新的 pdf 檔案交給讀取器進行後續操作。實際上這種寫法不是很提倡，由於各 pdf 命名恰好很規則，所以可以直接人為指定數位進行迴圈。更好的方法是用 glob 模組：

import glob
for file in glob.glob(path + '/*.pdf'):
    pdf_reader = PdfFileReader(path)複製程式碼

程式碼中 pdf_reader.getNumPages(): 能夠獲取讀取器的頁數，配合 range 就能遍歷讀取器的所有頁。

pdf_writer.addPage(pdf_reader.getPage(page)) 能夠將當前頁交給寫入器。

最後，用 with 新建一個 pdf 並由寫入器的 pdf_writer.write(out) 方法輸出即可。

拆分

如果明白了合併操作中讀取器和寫入器的配合，那麼拆分就很好理解了，這裡我們以拆分 INV1.pdf 為2個單獨的 pdf 檔案為例，同樣也先來捋一捋邏輯：

讀取器讀取 PDF 檔案
讀取器一頁一頁交給寫入器
寫入器每獲取一頁就立即輸出

通過這個程式碼邏輯我們也可以明白，寫入器初始化和輸出的位置一定都在讀取 PDF 迴圈每一頁的迴圈體內，而不是在迴圈體外

程式碼很簡單：

from PyPDF2 import PdfFileReader, PdfFileWriter
path = r'C:\Users\xxx'
pdf_reader = PdfFileReader(path + '\INV1.pdf')

for page in range(pdf_reader.getNumPages()):
    # 遍歷到每一頁挨個生成寫入器
    pdf_writer = PdfFileWriter()
    pdf_writer.addPage(pdf_reader.getPage(page))
    # 寫入器被新增一頁後立即輸出產生pdf
    with open(path + '\INV1-{}.pdf'.format(page + 1), 'wb') as out:
        pdf_writer.write(out)複製程式碼

水印

本次的工作是將下圖作為水印新增到 INV1.pdf 中

首先是準備工作，將需要作為水印的圖片插入 word 中調整合適位置後儲存為PDF檔案。然後就可以碼程式碼了，需要額外用到 copy 模組，具體解釋見下圖：

就是把讀取器和寫入器初始化，並且把水印 PDF 頁先讀取好備用,核心程式碼稍微比較難理解：

加水印本質上就是把水印 PDF 頁和需要加水印的每一頁都合併一遍

由於需要加水印的 PDF 可能有很多頁，而水印 PDF 只有一頁，因此如果直接把水印 PDF 拿來合併，可以抽象理解成加完第一頁，水印 PDF 頁就沒有了。

因此不能直接拿來合併，而要把水印 PDF 頁不斷 copy 出來成新的一頁備用 new_page ，再運用 .mergePage 方法完成跟每一頁合併，把合併後的頁交給寫入器待最後統一輸出!

關於 .mergePage 的使用：出現在下面的頁 .mergePage (出現在上面的頁)，最後效果如圖：

加密

加密很簡單，只需要記住：「加密是針對寫入器加密」

因此只需要在相關操作完成後呼叫 pdf_writer.encrypt (密碼)

以單個 PDF 的加密為例：

寫在最後

當然除了對 PDF 的合併、拆分、加密、水印，我們還可以使用 Python 結合 Excel 和 Word 實現更多的自動化需求，這些就留給讀者自己開發。Python資源分享君羊1075110200 ,內有安裝包，PDF，學習視訊，這裡是Python學習者的聚集地，零基礎，進階，都歡迎

最後還是希望大家能夠理解Python辦公自動化的一個核心就是批次操作-解放雙手，讓複雜的工作自動化！

更多相關免費學習推薦：（視訊）

以上就是總結用Python 操作 PDF 的幾種方法的詳細內容，更多請關注TW511.COM其它相關文章！