PDF文件页面提取操作小练习

news/2024/10/9 7:10:11/

在本教程中，我们将使用 PyPDF2 库中的 PdfWriter 和 PdfReader 类，以及 Python 的 pathlib 模块，对 PDF 文件进行页面提取和分割操作。我们将以名为 “Pride_and_Prejudice.pdf” 的 PDF 文件为例，演示如何实现以下功能：

提取最后一页并保存为 last_page.pdf。
提取偶数索引的页面并保存为 every_other_page.pdf。
将 PDF 文件分成两个部分：前 150 页和后面的页面，分别保存为 part_1.pdf 和 part_2.pdf。

环境准备

首先确保安装了所需的库。如果没有安装，可以通过以下命令安装 PyPDF2：

pip install PyPDF2

实现代码

以下是实现上述功能的完整代码：

python">from PyPDF2 import PdfReader, PdfWriter
from pathlib import Path# 定义文件路径
# 定义PDF文件路径
pdf_path = Path(__file__).parent / 'practice_files' / 'Pride_and_Prejudice.pdf'
home_directory = Path.home()# 读取 PDF 文件
reader = PdfReader(str(pdf_file_path))# 提取最后一页并保存为 last_page.pdf
writer_last_page = PdfWriter()
last_page = reader.pages[-1]
writer_last_page.add_page(last_page)
with open(home_directory / "last_page.pdf", "wb") as last_page_pdf:writer_last_page.write(last_page_pdf)# 提取偶数索引的页面（0, 2, 4, ...）并保存为 every_other_page.pdf
writer_even_pages = PdfWriter()
for i in range(0, len(reader.pages), 2):writer_even_pages.add_page(reader.pages[i])
with open(home_directory / "every_other_page.pdf", "wb") as even_pages_pdf:writer_even_pages.write(even_pages_pdf)# 将页面分成两部分
split_index = 151
pdf_parts = [PdfWriter(), PdfWriter()]# 添加页面到对应的PdfWriter对象
for i, page in enumerate(pdf_reader.pages):print(i // split_index)pdf_parts[i // split_index].add_page(page)# 定义保存PDF的函数
def save_pdf(writer, filename):with Path(Path.home() / filename).open('wb') as f:writer.write(f)# 保存两个PDF文件
save_pdf(pdf_parts[0], 'part_1.pdf')
save_pdf(pdf_parts[1], 'part_2.pdf')print("PDF 文件处理完成！")

代码解释

导入模块: 我们先导入所需的 PdfReader, PdfWriter 和 Path 模块。
定义文件路径: 使用 pathlib.Path 设置 PDF 文件路径和家目录。
读取 PDF 文件: 使用 PdfReader 读取 PDF 文件内容。
提取最后一页: 通过 reader.pages[-1] 获取最后一页，并用 PdfWriter 写入新的 PDF 文件。
提取偶数索引页面: 使用循环遍历偶数索引，将其添加到新的 PdfWriter 对象中。
分割 PDF 文件: 创建两个写入对象，将前 150 页和剩余页分别添加到不同的 PdfWriter 中，并保存为 part_1.pdf 和 part_2.pdf。