简介:

使用PyPDF2它可以轻松的处理 pdf 文件，它提供了读，割，合并，文件转换等多种操作。

安装:

pip install pypdf2

核心类

PdfFileReader

构造方法：

PyPDF2.PdfFileReader(stream,strict = True,warndest = None,overwriteWarnings = True)

• 1

初始化一个 PdfFileReader 对象，此操作可能需要一些时间，因为 PDF 流的交叉引用表被读入内存。

参数：

• stream：*File 对象或支持与 File 对象类似的标准读取和查找方法的对象，也可以是表示 PDF 文件路径的字符串。*
• strict（bool）： 确定是否应该警告用户所用的问题，也导致一些可纠正的问题是致命的，默认是 True
• warndest : 记录警告的目标(默认是 sys.stderr)
• overwriteWarnings(bool)：确定是否 warnings.py 用自定义实现覆盖 Python 模块（默认为 True）

PdfFileReader 对象的属性和方法

功能:使用PyPDF2 读取pdf文件基本信息

from PyPDF2 import PdfFileReader 
 
 
readFile = 'D:\\1.pdf' 
# 获取 PdfFileReader 对象 
pdfFileReader = PdfFileReader(readFile)  # 或者这个方式：pdfFileReader = PdfFileReader(open(readFile, 'rb')) 
# 获取 PDF 文件的文档信息 
documentInfo = pdfFileReader.getDocumentInfo() 
print('documentInfo = %s' % documentInfo) 
# 获取页面布局 
pageLayout = pdfFileReader.getPageLayout() 
print('pageLayout = %s ' % pageLayout) 
 
# 获取页模式 
pageMode = pdfFileReader.getPageMode() 
print('pageMode = %s' % pageMode) 
 
xmpMetadata = pdfFileReader.getXmpMetadata() 
print('xmpMetadata  = %s ' % xmpMetadata) 
 
# 获取 pdf 文件页数 
pageCount = pdfFileReader.getNumPages() 
 
print('pageCount = %s' % pageCount) 
for index in range(0, pageCount): 
    # 返回指定页编号的 pageObject 
    pageObj = pdfFileReader.getPage(index) 
    print('index = %d , pageObj = %s' % (index, type(pageObj)))  # <class 'PyPDF2.pdf.PageObject'> 
    # 获取 pageObject 在 PDF 文档中处于的页码 
    pageNumber = pdfFileReader.getPageNumber(pageObj) 
    print('pageNumber = %s ' % pageNumber) 

PdfFileWriter

这个类支持 PDF 文件，给出其他类生成的页面。

功能:使用PyPDF2 将指定pdf 文件写入另外指定的pdf 文件

# encoding:utf-8 
from PyPDF2 import PdfFileReader, PdfFileWriter 
 
readFile = 'D:\\1.pdf' 
outFile = 'D:\\2.pdf' 
pdfFileWriter = PdfFileWriter() 
 
# 获取 PdfFileReader 对象 
pdfFileReader = PdfFileReader(readFile)  # 或者这个方式：pdfFileReader = PdfFileReader(open(readFile, 'rb')) 
# 文档总页数 
numPages = pdfFileReader.getNumPages() 
 
 
for index in range(0, numPages): 
    pageObj = pdfFileReader.getPage(index) 
    pdfFileWriter.addPage(pageObj) 
    # 添加完每页，再一起保存至文件中 
    pdfFileWriter.write(open(outFile, 'wb')) 
pdfFileWriter.addBlankPage() 
pdfFileWriter.addBlankPage() 
pdfFileWriter.write(open(outFile, "wb")) 

PageObject

PageObject(pdf=None,indirectRef=None)

• 1

此类表示 PDF 文件中的单个页面，通常这个对象是通过访问 PdfFileReader 对象的 getPage() 方法来得到的，也可以使用 createBlankPage() 静态方法创建一个空的页面。

参数：

• pdf : 页面所属的 PDF 文件。
• indirectRef：将源对象的原始间接引用存储在其源 PDF 中。

PageObject 对象的属性和方法

功能:指定两个pdf文件合并为一个pdf 文件

# encoding:utf-8 
from PyPDF2 import PdfFileReader, PdfFileWriter 
 
pdfFileWriter = PdfFileWriter() 
inFileList =['D:\\1.pdf', 
             'D:\\2.pdf'] 
outFile = "D:\\3.pdf" 
for inFile in inFileList: 
    # 依次循环打开要合并文件 
    pdfReader = PdfFileReader(open(inFile, 'rb')) 
    numPages = pdfReader.getNumPages() 
    for index in range(0, numPages): 
        pageObj = pdfReader.getPage(index) 
        pdfFileWriter.addPage(pageObj) 
 
    # 最后,统一写入到输出文件中 
    pdfFileWriter.write(open(outFile, 'wb'))