包含使用python給pdf的詞條

本文目錄一覽：

• 1、一個用於合併pdf的簡單Python腳本
• 2、用python批量提取pdf的表格數據，保存為excel
• 3、Python利器：如何處理PDF表格數據
• 4、如何用python把pdf轉為cad？
• 5、python將pdf轉圖片
• 6、利用python去除pdf水印

一個用於合併pdf的簡單Python腳本

在學校打印店，有時會打印很多文件，因為文件數量多，過程會比較繁瑣。自己沒事動手寫了一個pdf合併的python腳本，方便將多個pdf文件合併為一。這樣打印時候只需點開一個文件打印即可。

需要 Python 和 PyPDF2 。Python安裝可在官網找到；PyPDF2可以通過pip安裝，可以利用命令行工具輸入一下命令

將需要合併的文件與本文後面的Python腳本放在同一目錄下，運行腳本得到 Merged.pdf 即為合併的pdf文件。

如果需要按照一定順序合併pdf文件，可以將pdf文件重命名，按順序將文件重命名為 1.pdf 、 2.pdf 以此類推。

如果需要將某一pdf文件在合併文件中重複多次，可以將該文件直接在當前目錄下拷貝成多個副本。

用python批量提取pdf的表格數據，保存為excel

pdfplumber 是一個開源 python 工具庫-，可以方便地獲取 pdf 的各種信息，包括文本、表格、圖表、尺寸等。完成我們本文的需求，主要使用 pdfplumber 提取 pdf 表格數據。

python 中還有很多庫可以處理 pdf，比如 PyPDF2、pdfminer 等，本文選擇pdfplumber 的原因在於能輕鬆訪問有關 PDF 的所有詳細信息，包括作者、來源、日期等，並且用於提取文本和表格的方法靈活可定製。大家可以根據手頭數據需求，再去解鎖 pdfplumber 的更多用法。

Python利器：如何處理PDF表格數據

大家好，我是Peter~

在很多情況下，我們都需要處理PDF格式的文件。尤其當我們遇到PDF表格數據需要進行提取，真的是一個令人頭疼的問題。

因為PDF文件不能像Word那樣直接複製，即使複製了再黏貼也可能會出現格式排版錯亂甚至亂碼問題。如何從一個PDF文件提取出表格數據？本文提供兩個解決方案：

首先提供的一種方法是從文字 PDF 中提取表格信息的工具：Camelot，它能夠直接將大部分表格轉換為 Pandas 的 Dataframe。

更多的詳細信息，請參考項目地址：

camelot的安裝有多種方式。如果有報錯，網上一般有解決方式：

1、通過conda安裝

2、使用pip進行安裝

3、通過GitHub進行安裝

首先將項目複製到本地：

然後進入文件中進行安裝：

下面通過一個案例來講解如何使用camelot。假設我們現在有一個只有一頁的PDF文件test.pdf：

1、先讀取文件

導出成csv格式的數據（方式1）

查看tables的相關信息：

導出方式2：

將數據轉換成DataFrame：

tabula的功能比camelot更加強大，可以同時對多個表格數據進行提取。項目的具體地址請參考：

tabula的安裝是非常簡單的：

安裝之後檢驗這個庫是否安裝成功：

通過tabula這個庫來讀取PDF文件：

然後我們發現列表中唯一的一個元素就是dataframe：

將讀取到的數據輸出成CSV格式的文件：

上面讀取的PDF文件是比較簡單的，只有一頁，而且剛好是一個很標準的表格形式的數據，下面看一個比較複雜的例子：

下面是第一頁，第一列可以看成是索引：

在第二頁中有兩份表格，而且中間有很多的空白行：

第三頁的數據比較標準：

這3頁是在同一個PDF文件中，這3頁是在同一個PDF文件中，這3頁是在同一個PDF文件中

上面的紅色提示中我們看到：當沒有指定pages參數的時候，只會默認讀取第一頁的數據，所以列表的長度為1。

轉成dataframe後將原來的索引變成新的一列 （部分數據）

通過pages來讀取全部數據：

通過指定pages=”all”：

同時獲取兩個表格的數據：

通過area參數來指定：

刪除在讀取的表格中我們不需要的字段信息

可以將得到的數據輸出成不同格式的文件，以json格式為例：

我們可以看到

如何用python把pdf轉為cad？

1.準備一款專業的CAD轉換器，如果你的電腦里有可以直接打開。

2.打開運行軟件，在軟件界面的左側我們找到「PDF轉CAD」功能。

3.選擇好了轉換類型，接下來就是添加文件，添加文件有兩個方法，一個是點擊界面中的「添加文件」，一個是直接把你的文件拖到軟件的指定區域；

4.文件添加好後，要是需要自定義選擇轉換後文件儲存的位置選擇「瀏覽」按鈕，選擇好儲存位置便可。

5.轉換界面可以進行轉換後文件格式的選擇，有「DWG、DXF」兩種格式進行選擇，可以根據自己的需求選擇輸出格式。

6.擊「批量轉換」按鈕開始文件的轉換，當所有的文件轉換狀態為百分百的時候就說明文件轉換完成了。

python將pdf轉圖片

方法1：打開pdf文件，選擇菜單命令「文件」 → 「另存為」 ，彈出另存為對話框，選擇保存類型為「jpg」，保存即可；

方法2：打開pdf文檔，選擇命令 「另存為其它」 → 「圖像」 → 「JPEG或JPEG2000」；

方法3：打開pdf文檔，選擇「編輯」菜單下的「拍快照」（註：選中後，在拍快照前面會有個√顯示），同時鼠標變成十字光標，此時拖動鼠標框選你要變換的區域，鬆開鼠標，彈出確認對話框，點擊確認，此時框選的部分已經保存到剪貼板，然後打開系統自帶的畫圖工具，粘貼後保存為jpg文檔。方法不適合圖片過多的情況，不建議使用！

方法4：試試在線PDF轉圖片共有以下幾個步驟:

• 點擊瀏覽按鈕選擇需要轉換的PDF文件。

輸入需要轉換的頁碼，以逗號分割開，如果轉換所有的頁面可以跳過這一步。

• 點擊按鈕上傳文件，然後等着就可以了。

• 點擊下載鏈接把做好的文件下載到本地就可以了。僅適合低於2MB的文件轉換！

方法5：藉助pdf轉換器。選中pdf轉圖片功能，然後右下角選擇「上傳文件或文件夾」，即可一鍵開始轉換，此外還支持轉word、excel、ppt等格式。

利用python去除pdf水印

去水印只針對pdf

通過給與的水印圖，找出相似水印並去除

本文參考資料：

Python操作PDF-文本和圖片提取（使用PyPDF2和PyMuPDF）

Python處理PDF的實用姿勢

使用PyPDF2在PDF上去除水印