在Python中操作PDF的常见方法小结
作者:涛哥聊Python
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!