作者?| megha152

編譯 | Flin

來源 | analyticsvidhya

介紹

PDF 代表便攜式文檔格式。它使用 .pdf 擴展名。這種類型的文件主要用于共享目的。它們不能被修改，從而完整地保留了文件的格式。

因此，它們可以輕松共享和下載。它們用于閱讀而不是編輯。它們在獨立于硬件、軟件和操作系統(tǒng)打開的任何設(shè)備上看起來都相似。因此，它們是最廣泛使用的格式。它是由Adobe發(fā)明的。現(xiàn)在是國際標(biāo)準(zhǔn)化組織 (ISO)的開放標(biāo)準(zhǔn)。

在本教程中，我們將學(xué)習(xí)如何在 Python 中處理 PDF 文件。將涵蓋以下主題：

• 如何從 PDF 文件中提取文本。

• 如何旋轉(zhuǎn) PDF 文件的頁面。

• 如何從 PDF 文件中提取文檔信息。

• 如何從 PDF 文件中拆分頁面。

• 如何合并 PDF 文件的頁面。

• 如何加密PDF文件。

• 如何為 PDF 文件添加水印。

Python 中 PDF 的一些常用庫

有許多庫可免費用于處理 PDF：

PDFMiner：它是一個用于從PDF中提取文本的開源工具。它用于對數(shù)據(jù)進行分析。它也可以用作 PDF 轉(zhuǎn)換器或 PDF 解析器。

PDFQuery：它是一個圍繞 PDFMiner、Ixml 和 PyQuery 的輕量級 Python 包裝器。它是一個快速、用戶友好的 PDF 抓取庫。

Tabula.py：它是tabula.java的 Python 包裝器。它將 PDF 文件轉(zhuǎn)換為 Pandas 的數(shù)據(jù)框，并且所有數(shù)據(jù)操作都可以在數(shù)據(jù)框上執(zhí)行。

Xpdf : 它允許將 PDF 轉(zhuǎn)換為文本。

pdflib：它是 poppler 庫的擴展，其中包含 python 綁定。

Slate：它是一個基于PDFMiner 的Python 包，用于從PDF 中提取文本。

PyPDF2：它是一個 Python 庫，用于對 PDF 文件執(zhí)行主要任務(wù)，例如提取文檔特定信息、合并 PDF 文件、拆分 PDF 文件的頁面、為文件添加水印、加密和解密 PDF文件等。

我們將在本教程中使用 PyPDF2 庫。它是一個純 python 庫，因此它可以在任何平臺上運行，而無需對任何外部庫產(chǎn)生任何與平臺相關(guān)的依賴。

安裝 PyPDF2 庫

要安裝 PyPDF2，請在命令提示符中復(fù)制以下命令并運行：

pip?install?PyPDF2

獲取文檔詳細(xì)信息

PyPDF2 提供有關(guān) PDF 文檔的元數(shù)據(jù)。這可能是有關(guān) PDF 文件的有用信息。可以直接獲得文檔作者、標(biāo)題、制作人、主題等信息。

.jpg)

要提取上述信息，請運行以下代碼：

from?PyPDF2?import?PdfFileReader pdf_path=r"C:UsersDellDesktopTesting?Tesseractexample.pdf" with?open(pdf_path,?'rb')?as?f:pdf?=?PdfFileReader(f)information?=?pdf.getDocumentInfo()number_of_pages?=?pdf.getNumPages()print(information)

上述代碼的輸出如下：

讓我們格式化輸出：

print("Author"?+':?'?+?information.author) print("Creator"?+':?'?+?information.creator) print("Producer"?+':?'?+?information.producer)

從 PDF 中提取文本

為了提取文本，我們將讀取文件并創(chuàng)建文件的 PDF 對象。

#?creating?a?pdf?file?object pdfFileObject?=?open(pdf_path,?'rb')

然后我們將創(chuàng)建一個 PDFReader 類對象并將 PDF 文件對象傳遞給它。

# 創(chuàng)建一個pdf閱讀器對象

pdfReader?=?PyPDF2.PdfFileReader(pdfFileObject)

最后，我們將提取每個頁面并連接每個頁面的文本。

text='' for?i?in?range(0,pdfReader.numPages):#?creating?a?page?objectpageObj?=?pdfReader.getPage(i)#?extracting?text?from?pagetext=text+pageObj.extractText() print(text)

輸出文本如下：

旋轉(zhuǎn) PDF 的頁面

要旋轉(zhuǎn) PDF 文件的頁面并將其另存為另一個文件，請復(fù)制以下代碼并運行它。

pdf_read?=?PdfFileReader(r"C:UsersDellDesktopstory.pdf") pdf_write?=?PdfFileWriter() #?Rotate?page?90?degrees?to?the?right page1?=?pdf_read.getPage(0).rotateClockwise(90) pdf_write.addPage(page1) with?open(r'C:UsersDellDesktoprotate_pages.pdf',?'wb')?as?fh:pdf_write.write(fh)

在 Python 中合并 PDF 文件

我們還可以使用以下命令合并兩個或多個 PDF 文件：

pdf_read = PdfFileReader(r”C:UsersDellDesktopstory.pdf”)

pdf_write?=?PdfFileWriter() #?Rotate?page?90?degrees?to?the?right page1?=?pdf_read.getPage(0).rotateClockwise(90) pdf_write.addPage(page1) with?open(r'C:UsersDellDesktoprotate_pages.pdf',?'wb')?as?fh:pdf_write.write(fh)

輸出PDF如下所示：

拆分PDF頁面

我們可以將 PDF 拆分為單獨的頁面，然后將它們再次保存為 PDF。

fname?=?os.path.splitext(os.path.basename(pdf_path))[0]for?page?in?range(pdf.getNumPages()):pdfwrite?=?PdfFileWriter()pdfwrite.addPage(pdf.getPage(page))outputfilename?=?'{}_page_{}.pdf'.format(fname,?page+1)with?open(outputfilename,?'wb')?as?out:pdfwrite.write(out)print('Created:?{}'.format(outputfilename))pdf?=?PdfFileReader(pdf_path)

加密 PDF 文件

加密 PDF 文件意味著向文件添加密碼。每次打開文件時，它都會提示輸入文件的密碼。它允許對內(nèi)容進行密碼保護。出現(xiàn)以下彈出窗口：

我們可以使用以下代碼：

for?page?in?range(pdf.getNumPages()):pdfwrite.addPage(pdf.getPage(page))pdfwrite.encrypt(user_pwd=password,?owner_pwd=None,use_128bit=True)with?open(outputpdf,?'wb')?as?fh:pdfwrite.write(fh)

為 PDF 文件添加水印

水印是出現(xiàn)在每一頁上的識別圖像或圖案。它可以是公司徽標(biāo)或任何要反映在每個頁面上的重要信息。

要為 PDF 的每一頁添加水印，請復(fù)制以下代碼并運行。

originalfile?=?r"C:UsersDellDesktopTesting?Tesseractexample.pdf" watermark?=?r"C:UsersDellDesktopTesting?Tesseractwatermark.pdf" watermarkedfile?=?r"C:UsersDellDesktopTesting?Tesseractwatermarkedfile.pdf" watermark?=?PdfFileReader(watermark) watermarkpage?=?watermark.getPage(0) pdf?=?PdfFileReader(originalfile) pdfwrite?=?PdfFileWriter() for?page?in?range(pdf.getNumPages()):pdfpage?=?pdf.getPage(page)pdfpage.mergePage(watermarkpage)pdfwrite.addPage(pdfpage) with?open(watermarkedfile,?'wb')?as?fh:pdfwrite.write(fh)

上面的代碼讀取兩個文件——輸入文件和水印。然后在閱讀每一頁后，它將水印附加到每一頁并將新文件保存在同一位置。

尾注

正如我們在上面看到的，所有可以在 PDF 文件中想到的操作都可以使用 PyPDF2 庫在 Python 中輕松執(zhí)行。它純粹是用 Python 編寫的。因此它是完全獨立于平臺的。它易于使用并提供了極大的靈活性。

圖片來源

圖 1：https://monkeypen.com/pages/free-childrens-books

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機器學(xué)習(xí)在線手冊深度學(xué)習(xí)筆記專輯《統(tǒng)計學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載黃海廣老師《機器學(xué)習(xí)課程》視頻課黃海廣老師《機器學(xué)習(xí)課程》711頁完整版課件

本站qq群554839127，加入微信群請掃碼：

與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的【Python】用于在 Python 中处理 PDF 文件的 PyPDF2 库的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。