和當今世界一樣，我們都熟悉 PDF 文件，因為它們是使用最廣泛的數字文檔格式之一。pdf 的完整形式是「可移植文檔格式」，它使用「」。pdf “擴展名保存文檔文件。這是獨立於軟件硬件或操作系統的，並且可以用於可靠地呈現或交換文檔。
PDF 是 Adobe 發明的，現在這是國際標準化組織維護的開放標準。PDF 文件還可以包含表單域、音頻-視頻或其他業務邏輯的鏈接或按鈕，以便與用戶或觀眾進行更好的交互。
在本教程中，我們將討論如何執行各種操作:
- 如何從 PDF 中提取文本
- 如何旋轉 PDF 的頁面
- 如何將兩個 PDF 合併在一起
- 如何拆分一個 PDF 文件
- 如何向 PDF 頁面添加水印
我們可以通過使用一個簡單的 Python 腳本來執行所有這些操作。
裝置
為了與 PDF 文件進行交互，我們將使用第三方模塊，即 PyPDF2 。PyPDF2 是一個內置的 Python 庫，用作 PDF 工具包。該模塊能夠:
- 它可以提取文檔的信息，如標題、作者姓名等。
- 它可以分割文檔文件的頁面。
- 它可以裁剪 PDF 文檔文件的頁面。
- 它可以將 PDF 文檔文件中的多個頁面合併為單個頁面。
- 它可以加密和解密 PDF 文件。
為了安裝 PyPDF2，我們可以從命令行使用以下命令:
!pip3 install PyPDF2
這個模塊的名稱區分大小寫，所以我們必須確保「y」是小寫的，模塊名稱中的所有內容都是大寫的。
使用 PyPDF2 模塊對 PDF 文件的操作
在本節中，我們將討論通過使用 Python 中的 PyPDF2 模塊，我們可以對 PDF 文件執行的各種操作。
1.如何從 PDF 文檔文件中提取文本。
我們可以使用 Python 中的 PyPDF2 模塊從 PDF 文件中提取文本，方法如下。
進場:
為了使用 Python 從 PDF 文件中提取文本，我們將遵循以下步驟:
第一步:我們將以二進制模式打開名為『exp . PDF』的 PDF 文件，並將文件對象保存為「 pdf_File_Object 」。
pdf_File_Object = open('exp.pdf', 'rb')
第二步:我們將為pypdf F2模塊的【pdf Reader】類創建一個對象「 pdf_Reader ，然後我們將傳遞 PDF 文件對象，並獲取用於讀取 PDF 的對象。
pdf_Reader = PDF.PdfFileReader(pdf_File_Object)
第三步:為了獲取 PDF 文檔文件的頁數，我們將使用 numPages
print("No. of pages in the given PDF file: ", pdf_Reader.numPages)
第四步:我們將為「py PDF 2」的 PageObject 類創建一個對象「page _ Object」PDF 閱讀器對象具有函數「getPage()」，該函數以頁碼為參數，返回頁面的對象。
page_Object = pdf_Reader.getPage(0)
第五步:我們將使用提取文本，這是一個頁面對象的函數，用於從 PDF 頁面中提取文本。
第六步:最後，我們將關閉 PDF 文檔文件對象。
pdf_File_Object.close()
代碼:
import PyPDF2 as PDF
# Here we will create a pdf file object
pdf_File_Object = open('exp.pdf', 'rb')
# Here, we will creat a pdf reader object
pdf_Reader = PDF.PdfFileReader(pdf_File_Object)
# Now we will print number of pages in pdf file
print("No. of pages in the given PDF file: ", pdf_Reader.numPages)
# Here, create a page object
page_Object = pdf_Reader.getPage(0)
# Now, we will extract text from page
print(page_Object.extractText())
# At last, close the pdf file object
pdf_File_Object.close()
輸出:
No. of pages in the given PDF file: 10
GUIDELINES
*
FOR
RE
-
OPENING OF CAMPUS
IN VIEW OF COVID
-
19 PANDEMIC
(FOR
STUDENTS
)
2021
-
22
這已經在輸出中打印了 PDF 文件的第一頁的文本。
2.如何旋轉 PDF 文件頁面
我們可以使用 Python 中的 PyPDF2 模塊來旋轉 PDF 文件的頁面。
進場:
為了旋轉給定 pdf 文件的頁面，我們將使用以下步驟:
步驟 1: 我們將為原始 PDF 創建一個 PDF 閱讀器對象。
第二步:我們將旋轉的頁面寫入新的 PDF 文件。為了寫入 PDF 文件，我們將使用的PDF writer類的對象
pdf_Writer = PDF.PdfFileWriter()
第三步:我們將迭代原始 PDF 文檔文件的每一頁。我們將獲得 PDF 閱讀器類的頁面對象 getPage() 功能。然後我們將使用頁面對象類的rotatelockwise()函數來旋轉頁面。
for page in range(pdf_Reader.numPages):
page_Object = pdf_Reader.getPage(page)
page_Object.rotateClockwise(rotation_1)
pdf_Writer.addPage(page_Object)
第 4 步:我們將通過傳遞旋轉的頁面對象，使用 PDF writer 類的 addPage() 函數來添加頁面 PDF writer 對象。
第五步:然後，我們將把 PDF 頁面寫到新創建的 PDF 文件中。我們可以通過打開新的文件對象並使用 PDF writer 對象上的 write() 功能來編寫 PDF 頁面來實現這一點。
new_File = open(new_File_Name, 'wb')
pdf_Writer.write(new_File)
第六步:我們將關閉原來的 PDF 文件對象結束新創建的新文件對象。
pdf_File_Object.close()
new_File.close()
代碼:
# Frst, we will import the modules
import PyPDF2 as PDF
def PDF_rotate(original_File_Name, new_File_Name, rotation_1):
# Then, we will create a pdf File object of original pdf
pdf_File_Object = open(original_File_Name, 'rb')
# Then, we will create a pdf Reader object
pdf_Reader = PDF.PdfFileReader(pdf_File_Object)
# Then we will create a pdf writer object for new pdf
pdf_Writer = PDF.PdfFileWriter()
# Now, we will rotate each page of the PDF document
for page in range(pdf_Reader.numPages):
# Then, we will create rotated page object
page_Object = pdf_Reader.getPage(page)
page_Object.rotateClockwise(rotation_1)
# We will add the rotated page object to pdf writer
pdf_Writer.addPage(page_Object)
# Now we will open a new pdf file object
new_File = open(new_File_Name, 'wb')
# We will write the rotated pages to new file
pdf_Writer.write(new_File)
# At last, we will close the original pdf file object
pdf_File_Object.close()
# And now, we will close the new pdf file object
new_File.close()
def main():
# original pdf file name
original_File_Name = 'exp.pdf'
# new pdf file name
new_File_Name = 'rotated_exp.pdf'
# rotation angle
rotation_1 = 270
# calling the PDF_rotate function
PDF_rotate(original_File_Name, new_File_Name, rotation_1)
if __name__ == "__main__":
# calling the main function
main()
輸出:
原始文件:
旋轉文件:
3.如何合併兩個 PDF 文件。
我們可以通過使用 Python 中的 PyPDF2 模塊來合併兩個 PDF 文件。
進場:
為了在 Python 中合併兩個 PDF 文件，我們將使用以下步驟:
第 1 步:為了合併兩個 PDf 文件，我們將使用一個預構建的類， PyPDF2 的PDf merger
We will create an object called pdf_Merger of PDF merger class:
pdf_Merger = PDF.PdfFileMerger()
步驟 2: 然後，我們將使用 append() 將每個 PDF 的文件對象追加到 PDF 合併對象中
for pdf in pdf:
pdf_Merger.append(pdf)
第三步:最後，我們將使用 pdf 合併對象的寫入方法將 pdf 頁面寫入輸出 PDF 文件。
with open(output_1, 'wb') as K:
pdf_Merger.write(K)
代碼:
# First, we will import the modules
import PyPDF2 as PDF
def PDF_merge(pdf, output_1):
# Here, we will create pdf file merger object
pdf_Merger = PDF.PdfFileMerger()
# now, we will append pdfs one by one
for pdf in pdf:
pdf_Merger.append(pdf)
# then, we will write combined pdf to output pdf file
with open(output_1, 'wb') as K:
pdf_Merger.write(K)
def main():
# here, we will select the pdf files to merge
pdf = ['exp.pdf', 'rotated_exp.pdf']
# Here, we will create output pdf file name
output_1 = 'combined_exp.pdf'
# Now, we will call pdf merge function
PDF_merge(pdf = pdf, output_1 = output_1)
if __name__ == "__main__":
# At last we will call the main function
main()
輸出:
該代碼的輸出將是一個名為的組合 PDF 格式，它是通過合併exp.pdf和 rotate_exp.pdf 文件獲得的。
4.如何拆分 PDF 文件
我們可以根據自己的需求，使用 PyPDF2 模塊在 Python 中拆分 PDF 文檔文件。
在這段代碼中，我們將不使用新的函數或類，我們將使用簡單的邏輯和迭代。pdf 的拆分將根據我們將要傳遞的 splits_1 列表來創建。
代碼:
# First, we will import the modules
import PyPDF2 as PDF
def PDF_split(pdf_1, splits_1):
# here, we will create an input pdf file object
pdf_File_Object = open(pdf_1, 'rb')
# here, we will create pdf reader object
pdf_Reader = PDF.PdfFileReader(pdf_File_Object)
# Now we will start indexing of first slice
start = 0
# then we will start indexing of last slice
end = splits_1[0]
for g in range(len(splits_1) + 1):
# we will create pdf writer object for (g + 1)th split
pdf_Writer = PDF.PdfFileWriter()
# output pdf file name
output_pdf = pdf_1.split('.pdf')[0] + str(g) + '.pdf'
# Now, we will add pages to pdf writer object
for page_1 in range(start, end):
pdf_Writer.addPage(pdf_Reader.getPage(page_1))
# Here, we will write split pdf pages to pdf file
with open(output_pdf, "wb") as K:
pdf_Writer.write(K)
# Now, we will interchange page split start position for next split
start = end
try:
# then, we will set split end position for next split
end = splits_1[g + 1]
except IndexError:
# then, we will set split end position for last split
end = pdf_Reader.numPages
# Now, we will close the input pdf file object
pdf_File_Object.close()
def main():
# pdf file to split
pdf_1 = 'exp.pdf'
# split page positions
splits_1 = [2,4]
# we will call PDF_split function to split pdf
PDF_split(pdf_1, splits_1)
if __name__ == "__main__":
# at last, we will call the main function
main()
輸出:
該代碼的輸出將生成 3 個新的 pdf 文件，它們是主 pdf 的拆分文件。我們可以簽入 PDF 文件夾。它包含 3 個新的 pdf 文件。
5.如何給 PDF 頁面添加水印。
我們可以使用 Python 中的 PyPDF2 模塊為 PDF 文檔文件的頁面添加水印。
進場:
在此，我們將遵循與頁面旋轉示例相同的每一步，唯一的區別是:
wm_page_Object = add_watermark(user_watermark, pdf_Reader.getPage(page_1))
使用 add_watermark() 功能將頁面對象轉換為水印頁面對象。
為了理解 add_watermark() 函數的作用，我們可以看到下面的例子:
wm_File_Object = open(wm_File, 'rb')
pdf_Reader = PDF.PdfFileReader(wm_File_Object)
page_Object.mergePage(pdf_Reader.getPage(0))
wm_File_Object.close()
return page_Object
在本文中，首先，我們創建了 water_mark.pdf 文件的 pdf 閱讀器對象。對於傳遞的頁面對象，我們使用了 mergepage() 函數，傳遞了 water_mark pdf reader 對象第一頁的頁面對象。這將導致在傳遞的頁面對象上覆蓋 water_mark pdf。
代碼:
# First, we will import the modules
import PyPDF2 as PDF
def add_watermark_1(wm_File, page_Object):
# here, we will open watermark pdf file
wm_File_Object = open(wm_File, 'rb')
# Now, we will create pdf reader object of watermark pdf file
pdf_Reader = PDF.PdfFileReader(wm_File_Object)
# then, we will merge watermark pdf's first page with passed page object.
page_Object.mergePage(pdf_Reader.getPage(3))
# Here, we will close the watermark pdf file object
wm_File_Object.close()
# we will return watermarked page object
return page_Object
def main():
# Now, we will create watermark pdf file name
user_watermark = 'water_mark.pdf'
# original pdf file name
original_File_Name = 'exp.pdf'
# new pdf file name
new_File_Name = 'watermarked_exp.pdf'
# now, we will create pdf File object of original pdf
pdf_File_Object = open(original_File_Name, 'rb')
# here, we will create a pdf Reader object
pdf_Reader = PDF.PdfFileReader(pdf_File_Object)
# create a pdf writer object for new pdf
pdf_Writer = PDF.PdfFileWriter()
# add watermark to each page
for page_1 in range(pdf_Reader.numPages):
# Now, we will create watermarked page object
wm_page_Object = add_watermark(user_watermark, pdf_Reader.getPage(page_1))
# then, we will add watermarked page object to pdf writer
pdf_Writer.addPage(wm_page_Object)
# new pdf file object
new_File = open(new_File_Name, 'wb')
# we will then write watermarked pages to new file
pdf_Writer.write(new_File)
# close the original pdf file object
pdf_File_Object.close()
# close the new pdf file object
new_File.close()
if __name__ == "__main__":
# call the main function
main()
輸出:
water_mark.pdf:
user_watermark.pdf 文件:
上述代碼將生成一個 user_Watermark.pdf 文件，該文件帶有 water_mark.pdf 文件的水印。
結論
在本教程中，我們討論了如何使用 Python 及其模塊的功能和方法在 PDF 文件上操作不同的功能。
原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-hk/n/300561.html
微信掃一掃 
支付寶掃一掃 