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 pypdf2
apt 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, PdfFileWriter
readFile = '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 PageObject
page = 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, PdfFileWriter
def 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)