Python操作PDF全總結|pdfplumber&PyPDF2
持續分享Python入門、案例、工具教程。
Python在自動化辦公方面有很多實用的第三方庫，可以很方便的處理word、excel、ppt、pdf檔案，今天我們就學習一下Python處理PDF文件的知識，Python處理pdf有很多第三方庫，這裡先給大家介紹最常用的兩個庫
「pdfplumber」
、
「pypdf2」
。
「pdfplumber：」
pdfplumber庫按頁處理 pdf ，獲取頁面文字，提取表格等操作。
學習文件：
https：//
github。com/jsvine/pdfpl
umber
「pypdf2：」
PyPDF2 是一個純 Python PDF 庫，可以讀取文件資訊（標題，作者等）、寫入、分割、合併PDF文件，它還可以對pdf文件進行新增水印、加密解密等。
官方文件：
https：//
pythonhosted。org/PyPDF2
安裝：
pip install pypdf2
pip install pdfplumber
pdfplumber
提取PDF文字
「提取單頁pdf文字」
# 提取pdf文字
import pdfplumber
with pdfplumber。open（“D：\\pdffiles\\Python編碼規範中文版。pdf”） as pdf：
page01 = pdf。pages［0］ #指定頁碼
text = page01。extract_text（）#提取文字
print（text）
「提取所有頁pdf文字」
import pdfplumber
with pdfplumber。open（“D：\\pdffiles\\Python編碼規範中文版。pdf”） as pdf：
for page in pdf。pages：
text = page。extract_text（）#提取文字
print（text）
「提取所有pdf文字並寫入文字中」
import pdfplumber
with pdfplumber。open（“D：\\pdffiles\\Python編碼規範中文版。pdf”） as pdf：
for page in pdf。pages：
text = page。extract_text（）#提取文字
txt_file = open（“D：\\pdffiles\\Python編碼規範中文版。txt”，mode=‘a’，encoding=‘utf-8’）
txt_file。write（text）
提取PDF表格
「提取表格」
# 提取pdf表格
import pdfplumber
with pdfplumber。open（“D：\\pdffiles\\人力資源部崗位編制。pdf”） as pdf：
page01 = pdf。pages［0］ #指定頁碼
table1 = page01。extract_table（）#提取單個表格
# table2 = page01。extract_tables（）#提取多個表格
print（table1）
「提取表格，儲存為excel檔案」
import pdfplumber
from openpyxl import Workbook #儲存表格，需要安裝openpyxl
with pdfplumber。open（“D：\\pdffiles\\人力資源部崗位編制。pdf”） as pdf：
page01 = pdf。pages［0］
table = page01。extract_table（）
workbook = Workbook（）
sheet = workbook。active
for row in table：
sheet。append（row）
workbook。save（filename=“D：\\pdffiles\\人力資源部崗位編制。xlsx”）
PyPDF2
PyPDF2 中有兩個最常用的類：
PdfFileReader
和
PdfFileWriter
，分別用於讀取 PDF 和寫入 PDF。其中
PdfFileReader
傳入引數可以是一個開啟的檔案物件，也可以是表示檔案路徑的字串。而
PdfFileWriter
則必須傳入一個以寫方式開啟的檔案物件。
「PdfFileReader 物件的屬性和方法」
「PdfFileWriter 物件的屬性和方法」
分割PDF
from PyPDF2 import PdfFileReader， PdfFileWriter
file_reader = PdfFileReader（“D：\\pdffiles\\Python編碼規範中文版。pdf”）
# getNumPages（） 獲取總頁數
for page in range（file_reader。getNumPages（））：
# 例項化物件
file_writer = PdfFileWriter（）
# 將遍歷的每一頁新增到例項化物件中
file_writer。addPage（file_reader。getPage（page））
with open（“D：\\pdffiles\\{}。pdf”。format（page），‘wb’） as out：
file_writer。write（out）
合併PDF
將上述分割的pdf合併成一個檔案
「示例程式碼」
from PyPDF2 import PdfFileReader， PdfFileWriter
file_writer = PdfFileWriter（）
for page in range（34）：
# 迴圈讀取需要合併pdf檔案
file_reader = PdfFileReader（“D：\\pdffiles\\{}。pdf”。format（page））
# 遍歷每個pdf的每一頁
for page in range（file_reader。getNumPages（））：
# 寫入例項化物件中
file_writer。addPage（file_reader。getPage（page））
with open（“D：\\pdffiles\\合併。pdf”，‘wb’） as out：
file_writer。write（out）
PDF旋轉
# 旋轉pdf，只能按照90度的倍數旋轉
from PyPDF2 import PdfFileReader， PdfFileWriter
file_reader = PdfFileReader（“D：\\pdffiles\\Python編碼規範中文版。pdf”）
file_writer = PdfFileWriter（）
page = file_reader。getPage（0）。rotateClockwise（90） # 第1頁順時針旋轉90度
file_writer。addPage（page） # 寫入
page = file_reader。getPage（1）。rotateCounterClockwise（90） # 第2頁逆時針旋轉90度
file_writer。addPage（page） # 寫入
with open（“D：\\pdffiles\\旋轉。pdf”，‘wb’） as out：
file_writer。write（out）
PDF加密解密
「新增密碼」
from PyPDF2 import PdfFileReader， PdfFileWriter
file_reader = PdfFileReader（“D：\\pdffiles\\Python編碼規範中文版。pdf”）
file_writer = PdfFileWriter（）
for page in range（file_reader。getNumPages（））：
file_writer。addPage（file_reader。getPage（page））
file_writer。encrypt（‘123456’） # 設定密碼
with open（“D：\\pdffiles\\加密後。pdf”，‘wb’） as out：
file_writer。write（out）
開啟檔案，提示輸入密碼
「解除密碼」
from PyPDF2 import PdfFileReader， PdfFileWriter
file_reader = PdfFileReader（“D：\\pdffiles\\加密後。pdf”）
file_reader。decrypt（‘123456’）
file_writer = PdfFileWriter（）
for page in range（file_reader。getNumPages（））：
file_writer。addPage（file_reader。getPage（page））
with open（“D：\\pdffiles\\解密後。pdf”，‘wb’） as out：
file_writer。write（out）
PDF新增水印
首先準備一個水印文件，可以用空白word新增圖片或者文字轉成pdf檔案。
「示例程式碼」
# 新增水印
from PyPDF2 import PdfFileReader， PdfFileWriter
from copy import copy
sy = PdfFileReader（“D：\\pdffiles\\水印。pdf”）
mark_page = sy。getPage（0） # 水印所在的頁數
# 讀取新增水印的檔案
file_reader = PdfFileReader（“D：\\pdffiles\\Python編碼規範中文版。pdf”）
file_writer = PdfFileWriter（）
for page in range（file_reader。getNumPages（））：
# 讀取需要新增水印每一頁pdf
source_page = file_reader。getPage（page）
new_page = copy（mark_page） #
new_page。mergePage（source_page） # new_page（水印）在下面，source_page原文在上面
file_writer。addPage（new_page）
with open（“D：\\pdffiles\\新增水印後。pdf”，‘wb’） as out：
file_writer。write（out）
新增水印後的文件：
如果覺得有用，歡迎點贊、轉發、收藏！
人生不止，學習不止，一路同行！
