本次學(xué)習(xí)的內(nèi)容主要是：從PDF讀取文本內(nèi)容和從已經(jīng)有的文檔生成新的PDF。
需要用到的模塊是PyPDF2.
首先要在命令行中運(yùn)行pip install?PyPDF2.
一、從PDF讀取文本
PyPDF2無法從pdf文檔中提取圖像，圖表和其他媒體，但是它可以提取文本，并且將文本返回為python字符串。
import PyPDF2
# ===============從pdf中提取文本===========
pdffile= open(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\meetingminutes.pdf','rb')# 讀取pdf文件
pdfreader= PyPDF2.PdfFileReader(pdffile)# 讀入到
print(pdfreader.numPages)# 讀取pdf頁數(shù)======19
讀取pdf文件的頁數(shù)是：
獲取第一頁的內(nèi)容：
page0= pdfreader.getPage(0)#獲取第1頁，第一頁是0
print(page0.extractText())# 獲取第2頁的內(nèi)容，返回的是字符串
內(nèi)容是
二、解密PDF
某些文檔有加密功能，為了防止別人閱讀，只有在打開文檔的時候提供口令才能閱讀。我打開的文件的加密口令是rosebud.
其實在讀取一個pdf文件是首先應(yīng)該確定它是否加密了。如果加密，isEncrypted屬性就會返回True.此時就需要口令了。
# 某些pdf文件是加密的，防止別人閱讀的，只有打開文檔的時候提供口令才能閱讀
pdf_reader= PyPDF2.PdfFileReader(open(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\encrypted.pdf','rb'))
print(pdf_reader.isEncrypted)# 文件是否加密
返回的結(jié)果是：
如果這時候不輸入口令就獲取內(nèi)容的話。
print(pdf_reader.getPage(0))# PyPDF2.utils.PdfReadError: file has not been decrypted 文件還沒有解鎖
會提示出現(xiàn)錯誤。
此時調(diào)用decrypt方法，輸入口令，再讀取就可以啦。
print(pdf_reader.decrypt('rosebud'))# rosebud==正確口令顯示1，其他顯示0
page_obj= pdf_reader.getPage(0)# 這樣才能正確讀取
print(page_obj.extractText())
返回的結(jié)果是：
三、創(chuàng)建PDF
PyPDF2可以創(chuàng)建一個新的PDF文件，但是不能將任何文本寫入到PDF。其寫入PDF的能力，僅限于從其他PDF中拷貝頁面、旋轉(zhuǎn)頁面、重疊頁面和加密文件。后面一一介紹。
四、拷貝頁面
# ==========拷貝頁面==============
pdffile1= open(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\meetingminutes.pdf','rb')
pdffile2= open(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\meetingminutes2.pdf','rb')
pdf1_reader= PyPDF2.PdfFileReader(pdffile1)
pdf2_reader= PyPDF2.PdfFileReader(pdffile2)
# 創(chuàng)建一個pdf文檔，這個只是代表pdf文檔的值，并沒有創(chuàng)建實際的文檔。
pdf_writer= PyPDF2.PdfFileWriter()
# 將文檔一頁一頁的讀入到新的文檔
for pagenumin range(pdf1_reader.numPages):
? ?pageobj= pdf1_reader.getPage(pagenum)
pdf_writer.addPage(pageobj)
for pagenumin range(pdf2_reader.numPages):
? ?pageobj= pdf2_reader.getPage(pagenum)
pdf_writer.addPage(pageobj)
# write方法才能真正生成一個文件
pdfoutputfile= open('combin.pdf','wb')
pdf_writer.write(pdfoutputfile)
pdfoutputfile.close()
pdffile1.close()
pdffile2.close()
在對應(yīng)目錄下生成pdf文件
五、旋轉(zhuǎn)頁面
利用rotateClockwise()和rotateCounterClockwise()方法PDF頁面可以旋轉(zhuǎn)90的整倍數(shù)。
pdffile1= open(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\meetingminutes.pdf','rb')
pdfreaders= PyPDF2.PdfFileReader(pdffile1)
page= pdfreaders.getPage(0)# 獲取第一頁
page.rotateClockwise(90)# 第一頁旋轉(zhuǎn)90度
# 創(chuàng)建一個新的PDF文檔
pdfwriter= PyPDF2.PdfFileWriter()
# 添加內(nèi)容
pdfwriter.addPage(page)
# 真實創(chuàng)建PDF文件并寫入內(nèi)容
result= open('ratated.pdf','wb')
pdfwriter.write(result)
# 關(guān)閉文件
result.close()
pdffile1.close()
點(diǎn)擊開PDF文檔，結(jié)果是：
六、疊加頁面
有的時候需要在PDF中添加公司的標(biāo)志、時間戳或水印。我們用這個庫依然可以實現(xiàn)。
# 給指定的頁面添加水印、公司標(biāo)志或者時間戳。
pdffile1= open(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\meetingminutes.pdf','rb')
pdf_reader1= PyPDF2.PdfFileReader(pdffile1)
# 獲取該文檔的第一頁
first_page= pdf_reader1.getPage(0)
# 打開印有水印的PDF文件
water_pdf= PyPDF2.PdfFileReader(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\watermark.pdf','rb')
# 在上一個文檔的第一頁中加入這個有水印的文件
first_page.mergePage(water_pdf.getPage(0))
# 將讀取的內(nèi)容寫入到對象中
pdfwriter= PyPDF2.PdfFileWriter()
pdfwriter.addPage(first_page)
結(jié)果是：
七、加密PDF
我們可以對拷貝的頁面進(jìn)行加密。
pdffile1= open(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\meetingminutes.pdf','rb')
pdf_reader1= PyPDF2.PdfFileReader(pdffile1)
# 將讀取的內(nèi)容寫入對象中
pdfwriter= PyPDF2.PdfFileWriter()
for pagenumin range(pdf_reader1.numPages):
? ?pdfwriter.addPage(pdf_reader1.getPage(pagenum))
# 輸入口令
pdfwriter.encrypt('meimei')
# 真正創(chuàng)建PDF文件
result_pdf= open('encry.pdf','wb')
pdfwriter.write(result_pdf)
# 關(guān)閉文件
result_pdf.close()
點(diǎn)擊生成的PDF文件。
輸入密碼才可以打開。
參考文獻(xiàn)《python編程快速上手--讓繁瑣工作自動化》
