在Python中操作PDF的常见方法小结
更新时间：2024年01月04日 11:02:33 作者：涛哥聊Python
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,需要的朋友可以参考下
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 canvas
def 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 += 1
base_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_text
def 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 FPDF
class 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 pdfkit
def 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 PyPDF2
def 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 PdfMerger
def 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。
以上就是在Python中操作PDF的常见方法小结的详细内容，更多关于Python操作PDF的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要为大家介绍了Gradio机器学习模型快速部署工具接口状态的原文翻译，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-04-04
这篇文章主要介绍了用Python进行一些简单的自然语言处理的教程,主要用到了pandas和collections库，需要的朋友可以参考下2015-03-03
这篇文章主要介绍了Python之字典对象的几种创建方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-09-09
这篇文章较详细的给大家介绍了python re模块的高级用法，本文给大家介绍的非常详细，具有一定的参考借鉴价值，需要的朋友参考下吧2018-06-06
os.path 模块是系统路径操作模块，但实际的原理可以把它认为是处理包含斜杠("/")和反斜杠("\")字符串的模块，其中，斜杠("/")是 linux 系统下的路径分隔符，和反斜杠("\")是 windows 系统下的路径分隔符2022-08-08
python处理数据文件的途径有很多种,下面这篇文章主要给大家介绍了关于如何使用python读取Excel指定范围并转为数组的相关资料,文中通过图文以及实例代码介绍的非常详细,需要的朋友可以参考下2022-11-11
为什么str(float)在Python 3中比Python 2返回更多的数字
很多朋友质疑为什么str(float)在Python 3中比Python 2返回更多的数字,在Python 2.7中,一个float的repr返回最接近十七位数的十进制数;这足以精确地识别每个可能的IEEE浮点值。对此问题很多朋友都很疑问，下面小编给大家简单介绍下，需要的朋友可以参考下2018-10-10
这篇文章主要为大家介绍了使用Pyparsing处理复杂文本的实现过程详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-05-05
这篇文章主要介绍了Python实现二分法算法实例,本文先是介绍了算法规则,然后给出了实现例子,需要的朋友可以参考下2015-02-02
这篇文章主要为大家详细介绍了python实现购物车功能，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-02-02
最新评论