千鋒扣丁學(xué)堂Python培訓(xùn)之如何使用Python玩轉(zhuǎn)PDF文檔
2019-05-24 13:30:37
3139瀏覽
今天千鋒扣丁學(xué)堂培訓(xùn)老師給大家介紹一下關(guān)于如何使用Python玩轉(zhuǎn)PDF的詳細介紹，首先PortableDocumentFormat（可移植文檔格式），或者PDF是一種文件格式，可以用于跨操作系統(tǒng)的呈現(xiàn)和文檔交換。盡管PDF最初是由Adobe發(fā)明的，但它現(xiàn)在是由國際標準化組織（ISO）維護的開放標準。你可以通過使用PyPDF2包在Python中處理已先存在的PDF。
PyPDF2是一個純Python包，可用于許多不同類型的PDF操作。
本文將帶你了解如何執(zhí)行以下操作：
從Python中提取PDF中的文檔信息
旋轉(zhuǎn)頁面
合并PDF
拆分PDF
添加水印
加密PDF
pyPdf，PyPDF2和PyPDF4的歷史
最初的pyPdf軟件包于2005年發(fā)布。pyPdf的最后一個正式版本是在2010年。大約一年后，一家名為Phasit的公司贊助了一個名為PyPDF2的pyPdf分支。該代碼編寫為向后與原始代碼兼容，并且用了好多年，效果一直很好，其最后一個版本是在2016年。
有一個名為PyPDF3的軟件包簡短系列版本，然后該項目被重命名為PyPDF4。所有這些項目都完全相同，但pyPdf和PyPDF2+之間的最大區(qū)別在于后者版本增加了Python3支持。Python3的原始pyPdf有一個不同的Python3分支，但是這個分支已經(jīng)多年沒有維護了。
雖然最近放棄了PyPDF2，但新的PyPDF4與PyPDF2沒有完全的向后兼容性。本文中的大多數(shù)示例都可以與PyPDF4完美配合，但也有一些不能，這就是為什么PyPDF4在本文中沒有更多的特色。隨意用PyPDF4替換PyPDF2的導(dǎo)入，看看它是如何工作的。
pdfrw：一個替代的PDF操作包
PatrickMaupin創(chuàng)建了一個名為pdfrw的軟件包，它可以完成許多與PyPDF2相同的工作。除了加密的特殊情況外，本文后面提到PyPDF2的所有操作，pdfrw均可以實現(xiàn)。
pdfrw的最大區(qū)別在于它與ReportLab軟件包集成，因此你可以使用一些或所有預(yù)先存在的PDF構(gòu)建一個新的PDF。
PyPDF2的安裝
如果使用Anaconda而不是常規(guī)Python，可以使用pip或conda安裝PyPDF2。以下是使用pip安裝PyPDF2的方法：
$pip install pypdf2
由于PyPDF2沒有任何依賴，因此安裝非常快。
如何從Python中提取PDF文檔信息
我們可以使用PyPDF2從PDF中提取元數(shù)據(jù)和一些文本，尤其是當在預(yù)先存在的PDF文件上執(zhí)行某些類型的自動化時是非常有用的。
以下是當前可以提取的數(shù)據(jù)類型：
Author
Creator
Producer
Subject
Title
Numberofpage
可以在自己的電腦上隨便找一個PDF文件進行嘗試操作。下面是使用該PDF編寫一些代碼，并了解如何訪問這些屬性：
首先從PyPDF2包導(dǎo)入PdfFileReader。PdfFileReader是一個具有多種與PDF文件交互的方法的類。在此示例中，我們調(diào)用了.getDocumentInfo()，它將返回DocumentInformation的實例,包含了我們感興趣的大部分信息。我們還可以在reader對象上調(diào)用.getNumPages()，讓它返回文檔中的頁數(shù)。
information這個變量具有多個實例屬性，可以使用這些屬性從文檔中獲取所需的其余元數(shù)據(jù)。我們可以打印出該信息并將其返回以備將來使用。
雖然PyPDF2具有.extractText()，可以在其頁面對象上使用提取文本（本例中未顯示），但它的效果不是很好。有些PDF會返回文本，有些會返回空字符串。如果要從PDF中提取文本，建議應(yīng)該看一下PDFMiner項目。PDFMiner更加強大，專門用于從PDF中提取文本。
如何旋轉(zhuǎn)頁面？
有時候PDF是橫向模式而不是縱向模式，甚至是顛倒的。當有人掃描文檔為PDF或電子郵件時，很可能會發(fā)生這種情況。我們可以打印出文檔并閱讀紙質(zhì)版本，也可以使用Python的強大功能來旋轉(zhuǎn)有問題的頁面。
下面看一下如何使用PyPDF2旋轉(zhuǎn)文章的一些頁面：
上面除了pdfileReader之外，還導(dǎo)入了pdfileWriter，因為我們需要編寫一個新的pdf。rotate_pages()獲取要修改的PDF的路徑。在這個函數(shù)中，需要創(chuàng)建一個可以命名為pdf-writer的writer對象和一個名為pdf-reader的reader對象。
接下來，可以使用.getpage()獲取所需的頁面。上面開始輸入了第0頁，也就是第一頁，調(diào)用page對象的.rotateClockwise()順時針旋轉(zhuǎn)方法并輸入90。然后同樣地，對于第二頁，調(diào)用.rotateCounterLockwise()逆時針旋轉(zhuǎn)并輸入90。
每次調(diào)用Rotation旋轉(zhuǎn)方法后，都會調(diào)用.addPage()，這將向writer對象添加頁面的旋轉(zhuǎn)版本。最后一頁是第3頁，沒有對其進行任何旋轉(zhuǎn)。最后，使用.write()把所有新頁寫入新的PDF。
如何合并PDF？
在許多情況下，我們希望將兩個或多個PDF合并到一個PDF中。例如，現(xiàn)在可能有一個標準的封面，需要轉(zhuǎn)到許多類型的報告中。這時候就可以使用python來幫助完成這類工作。
下面是實現(xiàn)的代碼，完成PDF合并的操作：
假如有一個要合并到一起的pdf列表時，可以直接使用merge_pdf函數(shù)完成。此函數(shù)采用了輸入路徑和輸出路徑作為參數(shù)。
首先遍歷輸入的paths，并為每個輸入創(chuàng)建一個PDF閱讀對象。然后遍歷PDF文件中的所有頁面，并使用.addpage()將這些頁面寫入writer對象。當完成對列表中所有PDF的所有頁面的寫入后，將在末尾寫入新的結(jié)果中。
如果不想合并每個PDF的所有頁面，可以通過添加一系列要添加的頁面來稍微增強這個腳本。挑戰(zhàn)一點的話，也可以使用Python的argparse模塊為這個函數(shù)創(chuàng)建一個命令行接口。
如何拆分PDF?
有時可能需要將PDF拆分為多個PDF，對于包含大量掃描內(nèi)容的PDF來說尤其重要。以下是如何使用PyPDF2將PDF拆分為多個文件：
這個函數(shù)中再次創(chuàng)建了PDF的reaer對象，并對其所讀取的頁面進行遍歷。對于PDF中的每個頁面，創(chuàng)建一個新的PDF的writer實例并向其添加單個頁面。然后，將該頁面寫入一個唯一命名的文件。腳本運行完畢后，就可以將原始PDF的每個頁面拆分為單獨的PDF。
如何添加水??？
水印是紙質(zhì)或者電子文檔上的圖像或圖案，一些水印只能在特殊照明條件下才能看到。水印的重要性在于它可以保護你的知識產(chǎn)權(quán)，例如圖像或PDF。
我們可以使用Python和PyPDF2為文檔添加水印，而且是擁有僅包含水印圖像或文本的PDF。下面是向PDF添加水印方法：
上面create_watermark有三個參數(shù)：
input_pdf：要加水印的PDF文件路徑
output：要保存PDF的水印版本的路徑
watermark：包含水印圖像或文本的PDF
在代碼中，打開水印PDF并從文檔中抓取第一頁，因為這是水印應(yīng)該駐留的位置。然后使用input_pdf和通用pdf_writer對象創(chuàng)建PDF的writer對象，以寫出帶水印的PDF。
下一步是遍歷input_pdf中的頁面，然后調(diào)用.mergePage()并以用上面讀取的水印對象watermark_page為參數(shù)，這樣會將watermark_page覆蓋在當前頁面的頂部，然后再將新合并的頁面添加到pdf_writer對象中。遍歷完成后，最后將新加水印的PDF寫入磁盤。
如何加密PDF？
PyPDF2目前僅支持將用戶密碼和所有者密碼添加到預(yù)先存在的PDF。在PDF版本中，所有者密碼會提供PDF的管理員權(quán)限，并允許設(shè)置文檔的權(quán)限，而用戶密碼只允許打開文檔。
實際上，PyPDF2是不允許設(shè)置文檔的任何權(quán)限的，即使它允許設(shè)置所有者密碼的情況下。但無論如何，這是可以加密的方式，也將固有地加密PDF：
add_encryption以輸入輸出PDF路徑和要添加到PDF的密碼為參數(shù)。由于需要加密整個輸入PDF，因此需要遍歷其所有頁面并將其添加到writer編寫器。最后一步是調(diào)用.encrypt()，以用戶密碼，所有者密碼以及是否應(yīng)該添加128位加密為參數(shù)。默認情況下，要啟用128位加密。如果將其設(shè)置為False，則將應(yīng)用40位加密。
PyPDF2包非常有用，可以使用PyPDF2自動執(zhí)行腳本完成PDF文檔的批量操作。本文介紹了如何從PDF中提取元數(shù)據(jù)，旋轉(zhuǎn)頁面，合并和拆分PDF，添加水印，以及添加加密的操作。同時，還要關(guān)注較新的PyPDF4包，因為它很快就會取代PyPDF2。也可以看看pdfrw包，它也可以執(zhí)行許多與PyPDF2相同的操作。
以上就是關(guān)于千鋒扣丁學(xué)堂Python培訓(xùn)之如何使用Python玩轉(zhuǎn)PDF文檔的全部內(nèi)容，
最后想要了解更多關(guān)于Python和人工智能方面內(nèi)容的小伙伴，請關(guān)注扣丁學(xué)堂Python培訓(xùn)官網(wǎng)、微信等平臺，扣丁學(xué)堂IT職業(yè)在線學(xué)習教育平臺為您提供權(quán)威的Python開發(fā)環(huán)境搭建視頻，扣丁學(xué)堂老師精心推出的Python視頻教程定能讓你快速掌握Python從入門到精通開發(fā)實戰(zhàn)技能?？鄱W(xué)堂Python技術(shù)交流群：279521237。
【關(guān)注微信公眾號獲取更多學(xué)習資料】 【掃碼進入Python全棧開發(fā)免費公開課】
查看更多關(guān)于"Python開發(fā)資訊"的相關(guān)文章>
標簽:
Python培訓(xùn)
Python視頻教程
Python在線視頻
Python學(xué)習視頻
Python培訓(xùn)班
返回頂部