目录📑
- 1. 背景📑
- 2. 源码模块解析📑
- 2.1 读取PDF页数
- 2.2 获取指定页的宽高尺寸
- 2.3 裁剪单页PDF
- 2.4 批量裁剪PDF
- 总结📑
1. 背景📑
接PyPDF2模块推荐博文中提到的实际需求(将银行网站下载来的多页且单页多张回单的PDF裁剪成每张单据独立一个PDF文件),我决定将项目所做操作的模块化源码分享给大家
原PDF
裁剪后PDF
2. 源码模块解析📑
2.1 读取PDF页数
因为数据范围是动态的,所以每次处理的PDF页数也是不同的,操作一个回单PDF首先需要知道他有多少页
def get_page_num(pdf_path) -> int:"""获取PDF文件页数params:pdf_path: 需要读取页数的PDF文件路径return:_pages_count: PDF文件的页数"""with open(pdf_path, 'rb') as _pdf_file:# 读取PDF文件_pdf_file = PyPDF2.PdfReader(_pdf_file)# 获取总页数_pages_count = len(_pdf_file.pages)return _pages_count
2.2 获取指定页的宽高尺寸
裁剪前肯定需要知道原尺寸,然后根据原尺寸初步三等分,再做微调,最终实现银行回单的等分
def get_page_wh(pdf_path, page_num) -> list:"""获取PDF文件指定页的宽高数据params:pdf_path: 需要读取宽高的PDF文件路径page_num: 需要读取宽高的是哪一页,页码return:_width: PDF文件指定页的宽度_height: PDF文件指定页的高度"""with open(pdf_path, 'rb') as _pdf_file:# 读取PDF文件_pdf_file = PyPDF2.PdfReader(_pdf_file)# 获取PDF指定页信息_pdf_info = _pdf_file.pages[int(page_num) - 1]# 获取PDF指定页宽_width = float(_pdf_info.mediabox.width)# 获取PDF指定页高_height = float(_pdf_info.mediabox.height)return [_width, _height]
2.3 裁剪单页PDF
下面就是需求的核心功能——裁剪了(需要注意的是,我这里是根据需求将裁剪后的每一张回单放在同一个输出PDF文件中,如果需要每一张回单都为一个独立PDF文件,可以自行调整代码)
def split_pdf(input_path, output_path, page_num, upper_left, upper_right, lower_left, lower_right):"""裁剪指定单页PDF的区域,并另存为一个独立的文件到output_path注意:当PDF单页的 宽width < 高height 的时候,即文件是竖向的时候,左下角为坐标原点当PDF单页的 宽width > 高height 的时候,即文件是横向的时候,右下角为坐标原点params:input_path: 需要裁剪的PDF文件路径output_path: 输出路径page_num: 需要裁剪的是哪一页,页码upper_left: 裁剪区域的左上角坐标upper_right: 裁剪区域的右上角坐标lower_left: 裁剪区域的左下角坐标lower_right: 裁剪区域的右下角坐标"""with open(input_path, 'rb') as _input_file:# 读取PDF文件_input_file = PyPDF2.PdfReader(_input_file)# 创建输出PDF对象_that_page = PyPDF2.PdfWriter()# 获取PDF文件指定页对象_this_page = _input_file.pages[int(page_num) - 1]# 划定裁剪区域_this_page.mediabox.upper_left = tuple(upper_left)_this_page.mediabox.upper_right = tuple(upper_right)_this_page.mediabox.lower_left = tuple(lower_left)_this_page.mediabox.lower_right = tuple(lower_right)# 为输出PDF对象添加裁剪页_that_page.add_page(_this_page)with open(output_path, 'wb') as _output_file:# 将输出PDF对象写入输出路径文件_that_page.write(_output_file)
2.4 批量裁剪PDF
因为原需求是一个回单PDF中由格式相同的多页回单组成的,所以我直接写了一个批量裁剪整个多页PDF文件的函数(同样需要注意的是,我这里根据需求写的是将裁剪后的每一张回单放在同一个输出PDF文件中,如果需要每一张回单都为一个独立PDF文件,可以自行调整代码)
def batch_split_pdf(input_path, output_path, crop_area_list):"""循环PDF文件每一页,裁剪出每一页所有裁剪区域列表中指示的区域,并且裁剪后输出到同一个PDF文件内注意:当PDF单页的 宽width < 高height 的时候,即文件是竖向的时候,左下角为坐标原点当PDF单页的 宽width > 高height 的时候,即文件是横向的时候,右下角为坐标原点params:input_path: 需要裁剪的PDF文件路径output_path: 输出路径crop_area_list: 需要裁剪的区域列表(三维列表)"""with open(input_path, 'rb') as _input_file:# 读取PDF文件_input_file = PyPDF2.PdfReader(_input_file)# 获取总页数_pages_count = len(_input_file.pages)# 创建输出PDF对象_that_page = PyPDF2.PdfWriter()# 循环每一页for _page_num in range(_pages_count):# 循环要裁剪的区域列表for _crop_area in crop_area_list:# 获取PDF文件指定页对象_this_page = _input_file.pages[_page_num]# 划定裁剪区域_this_page.mediabox.upper_left = tuple(_crop_area[0])_this_page.mediabox.upper_right = tuple(_crop_area[1])_this_page.mediabox.lower_left = tuple(_crop_area[2])_this_page.mediabox.lower_right = tuple(_crop_area[3])# 为输出PDF对象添加裁剪页_that_page.add_page(_this_page)with open(output_path, 'wb') as _output_file:# 将输出PDF对象写入输出路径文件_that_page.write(_output_file)
总结📑
以上就是关于银行回单PDF裁剪需求涉及到的源代码了,抛砖引玉,大家可以根据自己更强的实力对代码做自己的个性化调整,冲💪!