这篇文章给大家分享的是Python操作pdf的方法，对大家学习或工作会有一定的帮助，因此分享给大家做个参考，文中的示例介绍得很详细，有需要的朋友可以参考，接下来就跟随小编一起了解看看吧。

    01前言

    PDF 处理涉及到很实用的模块 PyPDF2 ，本文就好好剖析一下这个模块，主要将涉及

• os 模块综合应用
•     glob 模块综合应用
• PyPDF2 模块操作

    02基本操作

    PyPDF2 导入模块的代码常常是：

    from PyPDF2 import PdfFileReader, PdfFileWriter复制代码

    这里导入了两个方法：

• PdfFileReader 可以理解为读取器
• PdfFileWriter 可以理解为写入器

    接下来通过几个案例进一步认识这两个工具的奇妙之处，用到的示例文件是5个发票的 pdf

    每个发票的 PDF 都由两页组成：

    03合并

    第一个工作是将5个发票pdf合并成10页。这里读取器和写入器应该怎么配合呢？

    逻辑如下：

• 读取器将所有pdf读取一遍
• 读取器将读取的内容交给写入器
• 写入器统一输出到一个新pdf

    这里还有一个重要的知识点：读取器只能将读取的内容一页一页交给写入器。

    因此，逻辑中第1步和第2步实际上不是彼此独立的步骤，而是读取器读取完一个pdf后，就将这个pdf全部页循环一遍，挨页交给写入器。最后等读取工作全部结束后再输出。

    看一下代码可以让思路更清楚：

from PyPDF2 import PdfFileReader, PdfFileWriter

path = r'C:\Users\xxxxxx'
pdf_writer = PdfFileWriter()

for i in range(1, 6):
    pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))
    for page in range(pdf_reader.getNumPages()):
        pdf_writer.addPage(pdf_reader.getPage(page))

with open(path + r'\合并PDF\merge.pdf', 'wb') as out:
    pdf_writer.write(out)复制代码

    由于全部内容都需要交给同一个写入器最后一起输出，所以写入器的初始化一定是在循环体之外的.

    如果在循环体内则会变成每次访问读取一个pdf就生成一个新的写入器，这样每一个读取器交给写入器的内容就会被反复覆盖，无法实现我们的合并需求!

    循环体开头的代码：

for i in range(1, 6):
    pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))复制代码

    目的就是每次循环读取一个新的 pdf 文件交给读取器进行后续操作。实际上这种写法不是很提倡，由于各 pdf 命名恰好很规则，所以可以直接人为指定数字进行循环。更好的方法是用 glob 模块：

import glob
for file in glob.glob(path + '/*.pdf'):
    pdf_reader = PdfFileReader(path)复制代码

    代码中 pdf_reader.getNumPages(): 能够获取读取器的页数，配合 range 就能遍历读取器的所有页。

    pdf_writer.addPage(pdf_reader.getPage(page)) 能够将当前页交给写入器。

    最后，用 with 新建一个 pdf 并由写入器的 pdf_writer.write(out) 方法输出即可。

    04拆分

    如果明白了合并操作中读取器和写入器的配合，那么拆分就很好理解了，这里我们以拆分 INV1.pdf 为2个单独的 pdf 文档为例，同样也先来捋一捋逻辑：

• 读取器读取 PDF 文档
• 读取器一页一页交给写入器
• 写入器每获取一页就立即输出

    通过这个代码逻辑我们也可以明白，写入器初始化和输出的位置一定都在读取 PDF 循环每一页的循环体内，而不是在循环体外

    代码很简单：

from PyPDF2 import PdfFileReader, PdfFileWriter
path = r'C:\Users\xxx'
pdf_reader = PdfFileReader(path + '\INV1.pdf')

for page in range(pdf_reader.getNumPages()):
    # 遍历到每一页挨个生成写入器
    pdf_writer = PdfFileWriter()
    pdf_writer.addPage(pdf_reader.getPage(page))
    # 写入器被添加一页后立即输出产生pdf
    with open(path + '\INV1-{}.pdf'.format(page + 1), 'wb') as out:
        pdf_writer.write(out)复制代码

    05水印

    本次的工作是将下图作为水印添加到 INV1.pdf 中

    首先是准备工作，将需要作为水印的图片插入 word 中调整合适位置后保存为PDF文件。然后就可以码代码了，需要额外用到 copy 模块，具体解释见下图：

    就是把读取器和写入器初始化，并且把水印 PDF 页先读取好备用,核心代码稍微比较难理解：

    加水印本质上就是把水印 PDF 页和需要加水印的每一页都合并一遍

    由于需要加水印的 PDF 可能有很多页，而水印 PDF 只有一页，因此如果直接把水印 PDF 拿来合并，可以抽象理解成加完第一页，水印 PDF 页就没有了。

    因此不能直接拿来合并，而要把水印 PDF 页不断 copy 出来成新的一页备用 new_page ，再运用 .mergePage 方法完成跟每一页合并，把合并后的页交给写入器待最后统一输出!

    关于 .mergePage 的使用：出现在下面的页 .mergePage (出现在上面的页)，最后效果如图：

    06加密

    加密很简单，只需要记住：「加密是针对写入器加密」

    因此只需要在相关操作完成后调用 pdf_writer.encrypt (密码)

    以单个 PDF 的加密为例：

    当然除了对 PDF 的合并、拆分、加密、水印，我们还可以使用 Python 结合 Excel 和 Word 实现更多的自动化需求，这些就留给读者自己开发。

    现在大家对于Python操作pdf的方法应该都清楚了吧，希望大家阅读完这篇文章能有所收获。最后，想要了解更多大家可以关注群英网络其它相关文章。

文本转载自PHP中文网

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。