Python 如何操作 PDF 文件？

💖 欢迎来到我的博客！ 非常高兴能在这里与您相遇。在这里，您不仅能获得有趣的技术分享，还能感受到轻松愉快的氛围。无论您是编程新手，还是资深开发者，都能在这里找到属于您的知识宝藏，学习和成长。

🔍 博客内容包括：

Java核心技术与微服务：涵盖Java基础、JVM、并发编程、Redis、Kafka、Spring等，帮助您全面掌握企业级开发技术。
大数据技术：涵盖Hadoop（HDFS）、Hive、Spark、Flink、Kafka、Redis、ECharts、Zookeeper等相关技术。
开发工具：分享常用开发工具（IDEA、Git、Mac、Alfred、Typora等）的使用技巧，提升开发效率。
数据库与优化：总结MySQL及其他常用数据库技术，解决实际工作中的数据库问题。
Python与大数据：专注于Python编程语言的深度学习，数据分析工具（如Pandas、NumPy）和大数据处理技术，帮助您掌握数据分析、数据挖掘、机器学习等技术。
数据结构与算法：总结数据结构与算法的核心知识，提升编程思维，帮助您应对大厂面试挑战。

🌟 我的目标：持续学习与总结，分享技术心得与解决方案，和您一起探索技术的无限可能！在这里，我希望能与您共同进步，互相激励，成为更好的自己。

📣 欢迎订阅本专栏，与我一起在这个知识的海洋中不断学习、分享和成长！💻🚀

📍版权声明：本博客所有内容均为原创，遵循CC 4.0 BY-SA协议，转载请注明出处。

1. 安装所需库

2. 使用 PyPDF2 操作 PDF 文件

2.1 合并多个 PDF 文件

2.2 拆分 PDF 文件

2.3 提取 PDF 文件的文本

pdfminer%20%E6%8F%90%E5%8F%96%20PDF%20%E6%96%87%E6%9C%AC-toc" style="margin-left:80px;">3. 使用 pdfminer 提取 PDF 文本

3.1 提取 PDF 文件中的文本

4. 使用 reportlab 创建 PDF 文件

4.1 创建一个简单的 PDF 文件

4.2 在 PDF 中添加图像

5. 使用 PyMuPDF (fitz) 提取文本

5.1 提取 PDF 文件的文本

6. 对 PDF 文件进行加密和解密

6.1 使用 PyPDF2 对 PDF 进行加密

6.2 使用 PyPDF2 对 PDF 进行解密

总结

在 Python 中操作 PDF 文件的常用方法是使用专门的第三方库。这些库可以帮助你完成常见的操作，如读取 PDF 内容、提取文本、合并和拆分 PDF 文件、修改文件等。常用的库包括 PyPDF2、pdfminer、reportlab 等。下面是一些常见任务的示例。

1. 安装所需库

首先，需要安装必要的库。你可以使用以下命令来安装这些库：

pip install PyPDF2
pip install pdfminer.six
pip install reportlab

2. 使用 `PyPDF2` 操作 PDF 文件

PyPDF2 是一个非常流行的库，支持对 PDF 文件进行合并、拆分、加密、解密、旋转等操作。

2.1 合并多个 PDF 文件

python">import PyPDF2# 创建一个 PDF 合并器对象
pdf_merger = PyPDF2.PdfMerger()# 需要合并的 PDF 文件列表
pdf_files = ['file1.pdf', 'file2.pdf', 'file3.pdf']# 合并 PDF 文件
for pdf in pdf_files:pdf_merger.append(pdf)# 输出合并后的 PDF 文件
pdf_merger.write('merged_output.pdf')
pdf_merger.close()print("PDF 文件合并完成！")

2.2 拆分 PDF 文件

python">import PyPDF2# 打开 PDF 文件
with open('sample.pdf', 'rb') as file:reader = PyPDF2.PdfReader(file)# 获取 PDF 文件的页数total_pages = len(reader.pages)# 创建一个 PDF 写入器对象writer = PyPDF2.PdfWriter()# 拆分为每一页一个 PDF 文件for page_num in range(total_pages):writer.add_page(reader.pages[page_num])# 写入到新的 PDF 文件with open(f'page_{page_num + 1}.pdf', 'wb') as output_file:writer.write(output_file)print("PDF 文件拆分完成！")

2.3 提取 PDF 文件的文本

python">import PyPDF2# 打开 PDF 文件
with open('sample.pdf', 'rb') as file:reader = PyPDF2.PdfReader(file)text = ""# 提取所有页的文本for page_num in range(len(reader.pages)):page = reader.pages[page_num]text += page.extract_text()print("PDF 文件内容：")
print(text)

pdfminer%20%E6%8F%90%E5%8F%96%20PDF%20%E6%96%87%E6%9C%AC">3. 使用 `pdfminer` 提取 PDF 文本

pdfminer.six 是一个专注于从 PDF 中提取文本的库，比 PyPDF2 更适合复杂的文本提取操作。它支持从 PDF 中提取文本和元数据。

3.1 提取 PDF 文件中的文本

python">from pdfminer.high_level import extract_text# 提取 PDF 文件中的文本
text = extract_text('sample.pdf')print("提取的文本内容：")
print(text)

4. 使用 `reportlab` 创建 PDF 文件

reportlab 是一个非常强大的库，主要用于生成 PDF 文件。它提供了丰富的 API 来设计和生成 PDF。

4.1 创建一个简单的 PDF 文件

python">from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas# 创建一个 PDF 文件并绘制文本
def create_pdf(output_filename):c = canvas.Canvas(output_filename, pagesize=letter)c.drawString(100, 750, "Hello, this is a simple PDF created with ReportLab!")c.save()# 调用函数生成 PDF 文件
create_pdf("output.pdf")
print("PDF 文件创建完成！")

4.2 在 PDF 中添加图像

python">from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvasdef create_pdf_with_image(output_filename):c = canvas.Canvas(output_filename, pagesize=letter)c.drawString(100, 750, "Here is an image below:")# 添加图像c.drawImage("image.jpg", 100, 500, width=200, height=150)  # 图像位置和大小c.save()create_pdf_with_image("pdf_with_image.pdf")
print("PDF 文件（带图像）创建完成！")

5. 使用 `PyMuPDF` (fitz) 提取文本

PyMuPDF 是一个处理 PDF、XPS、EPUB 等文件格式的库，功能非常强大且效率较高。你可以使用它来提取文本、图像和其他内容。

5.1 提取 PDF 文件的文本

python">import fitz  # PyMuPDF# 打开 PDF 文件
doc = fitz.open('sample.pdf')# 提取所有页面的文本
text = ""
for page_num in range(len(doc)):page = doc.load_page(page_num)text += page.get_text()print("PDF 文件的内容：")
print(text)

6. 对 PDF 文件进行加密和解密

6.1 使用 `PyPDF2` 对 PDF 进行加密

python">import PyPDF2# 打开 PDF 文件
with open('sample.pdf', 'rb') as file:reader = PyPDF2.PdfReader(file)writer = PyPDF2.PdfWriter()# 将 PDF 中的所有页面添加到 writer 对象中for page in reader.pages:writer.add_page(page)# 设置密码password = "your_password"writer.encrypt(password)# 写入加密后的文件with open('encrypted_sample.pdf', 'wb') as encrypted_file:writer.write(encrypted_file)print("PDF 文件加密完成！")

6.2 使用 `PyPDF2` 对 PDF 进行解密

python">import PyPDF2# 打开加密的 PDF 文件
with open('encrypted_sample.pdf', 'rb') as file:reader = PyPDF2.PdfReader(file)# 解密 PDF 文件password = "your_password"if reader.is_encrypted:reader.decrypt(password)# 创建一个 PDF 写入器对象writer = PyPDF2.PdfWriter()# 将解密后的页面添加到写入器中for page in reader.pages:writer.add_page(page)# 输出解密后的 PDF 文件with open('decrypted_sample.pdf', 'wb') as decrypted_file:writer.write(decrypted_file)print("PDF 文件解密完成！")

总结

使用 Python 处理 PDF 文件是非常常见的任务，通过不同的库，你可以实现 PDF 的各种操作：

PyPDF2：用于合并、拆分、加密、解密和提取文本。
pdfminer.six：专注于从 PDF 中提取文本，适合需要复杂文本解析的场景。
reportlab：用于生成 PDF 文件，支持绘图、添加文本、图片等。
PyMuPDF (fitz)：支持高效地提取文本、图像等，并处理 PDF 文件。