Python玩转PDF：几招搞定的高效操作方法

更多资料获取

📚 个人网站：ipengtao.com

当在Python中操作PDF时，有几种常见的方法，每种方法都有其独特的优点和用例。在本文中，我们将深入探讨这些方法，并提供丰富的示例代码，以帮助大家更好地理解如何使用这些技术。

1. 使用PyPDF2库进行PDF操作

PyPDF2是一个流行的Python库，用于处理PDF文件。它允许你合并、拆分、旋转和提取PDF文档的内容。

以下是一些基本的示例代码：

import PyPDF2# 合并两个PDF文件
def merge_pdfs(file1, file2, output):pdf_writer = PyPDF2.PdfFileWriter()pdf_reader1 = PyPDF2.PdfFileReader(file1)pdf_reader2 = PyPDF2.PdfFileReader(file2)for page_num in range(pdf_reader1.numPages):page = pdf_reader1.getPage(page_num)pdf_writer.addPage(page)for page_num in range(pdf_reader2.numPages):page = pdf_reader2.getPage(page_num)pdf_writer.addPage(page)with open(output, 'wb') as merged_file:pdf_writer.write(merged_file)# 拆分PDF文件
def split_pdf(input_file, output_folder):pdf_reader = PyPDF2.PdfFileReader(input_file)for page_num in range(pdf_reader.numPages):pdf_writer = PyPDF2.PdfFileWriter()page = pdf_reader.getPage(page_num)pdf_writer.addPage(page)output_file = f'{output_folder}/page_{page_num + 1}.pdf'with open(output_file, 'wb') as single_page_file:pdf_writer.write(single_page_file)# 调用示例
merge_pdfs('document1.pdf', 'document2.pdf', 'merged_document.pdf')
split_pdf('large_document.pdf', 'output_folder')

2. 使用reportlab库创建PDF

reportlab是一个强大的PDF生成库，它允许从头开始创建PDF文档，包括文本、图形和表格。

以下是一个简单的例子：

from reportlab.pdfgen import canvasdef create_pdf(output_file):c = canvas.Canvas(output_file)c.drawString(72, 800, "Hello, this is a sample PDF created with reportlab.")c.showPage()c.save()# 调用示例
create_pdf('sample_reportlab.pdf')

3. 使用PyMuPDF库进行PDF渲染

PyMuPDF是一个用于渲染PDF文件的库，可以用于提取文本和图像信息。

以下是一个简单的示例：

import fitz  # PyMuPDF的Python绑定def extract_text_images(pdf_file):doc = fitz.open(pdf_file)for page_num in range(doc.page_count):page = doc[page_num]# 提取文本text = page.get_text("text")print(f"Text on page {page_num + 1}:\n{text}\n")# 提取图像for img_index, img in enumerate(page.get_images(full=True)):img_index += 1base_image = doc.extract_image(img)image_bytes = base_image["image"]image_name = f"page_{page_num + 1}_image_{img_index}.png"with open(image_name, "wb") as image_file:image_file.write(image_bytes)# 调用示例
extract_text_images('document.pdf')

4. 使用PDFMiner库提取文本信息

PDFMiner是一个用于提取PDF文本的强大库，它支持高级的文本提取和布局分析。

以下是一个简单的示例：

from pdfminer.high_level import extract_textdef extract_text_from_pdf(pdf_file):text = extract_text(pdf_file)print(f"Text extracted from the PDF:\n{text}")# 调用示例
extract_text_from_pdf('document.pdf')

5. 使用FPDF库创建PDF文档

FPDF是一个轻量级的Python库，用于在PDF文档中添加文本、图形和页面。

以下是一个简单的创建PDF文档的示例：

from fpdf import FPDFclass PDFGenerator(FPDF):def header(self):self.set_font('Arial', 'B', 12)self.cell(0, 10, 'My PDF Document', 0, 1, 'C')def chapter_title(self, num, label):self.set_font('Arial', 'B', 12)self.cell(0, 10, 'Chapter %d : %s' % (num, label), 0, 1, 'L')def chapter_body(self, body):self.set_font('Arial', '', 12)self.multi_cell(0, 10, body)# 创建PDF文档
pdf = PDFGenerator()
pdf.add_page()
pdf.chapter_title(1, 'Introduction')
pdf.chapter_body('This is the introduction to my PDF document.')
pdf.chapter_title(2, 'Chapter 1')
pdf.chapter_body('This is the content of chapter 1.')# 保存PDF文档
pdf.output('generated_document.pdf')

6. 使用PDFKit库将HTML转换为PDF

PDFKit是一个基于wkhtmltopdf工具的Python库，可以将HTML内容转换为PDF文档。这在需要动态生成报告或将网页内容保存为PDF时非常有用。

以下是一个简单的例子：

import pdfkitdef html_to_pdf(html_content, output_pdf):pdfkit.from_string(html_content, output_pdf)# 调用示例
html_content = "<html><body><h1>Hello, PDFKit!</h1><p>This is a sample HTML content.</p></body></html>"
html_to_pdf(html_content, 'html_to_pdf_output.pdf')

7. 使用PyPDF2旋转PDF页面

PyPDF2不仅可以用于合并和拆分PDF，还可以用于对PDF页面进行旋转。

以下是一个旋转PDF页面的简单示例：

import PyPDF2def rotate_pdf(input_pdf, output_pdf, rotation_angle):pdf_writer = PyPDF2.PdfFileWriter()pdf_reader = PyPDF2.PdfFileReader(input_pdf)for page_num in range(pdf_reader.numPages):page = pdf_reader.getPage(page_num)page.rotateClockwise(rotation_angle)pdf_writer.addPage(page)with open(output_pdf, 'wb') as rotated_file:pdf_writer.write(rotated_file)# 调用示例
rotate_pdf('document.pdf', 'rotated_document.pdf', 90)

8. 使用PDFMerger库进行PDF合并

PDFMerger是一个简单易用的库，专门用于合并PDF文件。

以下是一个示例：

from PyPDF2 import PdfMergerdef merge_pdfs_with_pdfmerger(files, output_file):merger = PdfMerger()for pdf_file in files:merger.append(pdf_file)merger.write(output_file)merger.close()# 调用示例
pdf_files = ['file1.pdf', 'file2.pdf', 'file3.pdf']
merge_pdfs_with_pdfmerger(pdf_files, 'merged_files.pdf')

总结

在本文中，我们分享了Python中操作PDF的多种方法，涵盖了PyPDF2、reportlab、PyMuPDF、PDFMiner、FPDF、PDFKit、PyPDF2、PDFMerger等库的应用。通过丰富的示例代码，学习了合并、拆分、文本提取、HTML转换、页面旋转和PDF合并等常见操作。这些工具和技术为处理PDF文件提供了灵活而强大的手段，能够根据具体需求选择适当的方法。

无论是生成报告、处理文档还是转换HTML内容，Python的生态系统都提供了多样化的解决方案。通过阅读本文，不仅可以了解每种方法的基本原理，还能够通过示例代码深入理解其实际应用。在处理PDF的日常任务中，选择适当的工具和技术将极大地提高工作效率。