Python处理pdf文件库 - PyPDF2详解

工作中可能会涉及处理pdf文件，PyPDF2就是这样一个库， 使用它可以轻松的处理pdf文件，它提供了读、写、分割、合并、文件转换等多种操作。官方地址：http://mstamy2.github.io/PyPDF2/

安装

1. RPM式系统（Redhat、CentOS）

pip install pypdf2

2. DEB式系统（Debian、Ubuntu）以下任一

pip install pypdf2apt install python-pypdf2

3. Windows

pip install pypdf2

使用

PyPDF2 包含了 PdfFileReader PdfFileMerger PageObject PdfFileWriter 四个常用的主要 Class。

简单读写

from PyPDF2 import PdfFileReader, PdfFileWriterreadFile = 'read.pdf'writeFile = 'write.pdf'# 获取一个 PdfFileReader 对象pdfReader = PdfFileReader(open(readFile, 'rb'))# 获取 PDF 的页数pageCount = pdfReader.getNumPages()print(pageCount)# 返回一个 PageObjectpage = pdfReader.getPage(i)# 获取一个 PdfFileWriter 对象pdfWriter = PdfFileWriter()# 将一个 PageObject 加入到 PdfFileWriter 中pdfWriter.addPage(page)# 输出到文件中pdfWriter.write(open(writeFile, 'wb'))

合并分割 PDF

from PyPDF2 import PdfFileReader, PdfFileWriterdef split_pdf(infn, outfn):    pdf_output = PdfFileWriter()    pdf_input = PdfFileReader(open(infn, 'rb'))    # 获取 pdf 共用多少页    page_count = pdf_input.getNumPages()    print(page_count)    # 将 pdf 第五页之后的页面，输出到一个新的文件    for i in range(5, page_count):        pdf_output.addPage(pdf_input.getPage(i))    pdf_output.write(open(outfn, 'wb'))def merge_pdf(infnList, outfn):    pdf_output = PdfFileWriter()    for infn in infnList:        pdf_input = PdfFileReader(open(infn, 'rb'))        # 获取 pdf 共用多少页        page_count = pdf_input.getNumPages()        print(page_count)        for i in range(page_count):            pdf_output.addPage(pdf_input.getPage(i))    pdf_output.write(open(outfn, 'wb'))if __name__ == '__main__':    infn = 'infn.pdf'    outfn = 'outfn.pdf'    split_pdf(infn, outfn)

其他命令

如果是要修改一个已有的 pdf 文件，可以将 reader 的页面添加到 writer 中：

pdfWriter.appendPagesFromReader(reader)

添加书签：

pdfWriter.addBookmark(title, pagenum, parent=parent)