江苏龙网

  1. 首页 > 人文 > >

实用办公技巧贴——当Python遇上PDF

PortableDocumentFormat（可移植文档格式） ， 即PDF是一种文件格式 ， 可以用于跨操作系统的呈现和文档交换 。 尽管PDF最初是由Adobe发明的 ， 但它现在是由国际标准化组织（ISO）维护的开放标准 。 完全可以通过使用PyPDF2包在Python中处理已先存在的PDF哦！
实用办公技巧贴——当Python遇上PDF
文章图片
PyPDF2是一个纯Python包 ， 可用于许多不同类型的PDF操作 。
从Python中提取PDF文档信息
可以使用PyPDF2从PDF中提取元数据和一些文本 ， 尤其是当在预先存在的PDF文件上执行某些类型的自动化时是非常有用的 。
以下是当前可以提取的数据类型：
Author
Creator
Producer
Subject
Title
Numberofpage
基本操作
PyPDF2导入模块的代码常常是：
实用办公技巧贴——当Python遇上PDF
文章图片
这里导入了两个方法：
PdfFileReader可以理解为读取器
PdfFileWriter可以理解为写入器
接下来通过几个案例进一步认识这两个工具的奇妙之处 ， 用到的示例文件是5个发票的pdf
实用办公技巧贴——当Python遇上PDF
文章图片
每个发票的PDF都由两页组成：
实用办公技巧贴——当Python遇上PDF
文章图片
合并
第一个工作是将5个发票pdf合并成10页 。 这里读取器和写入器应该怎么配合呢？
逻辑如下：
读取器将所有pdf读取一遍
读取器将读取的内容交给写入器
写入器统一输出到一个新pdf
这里还有一个重要的知识点：读取器只能将读取的内容一页一页交给写入器 。 因此 ， 逻辑中第1步和第2步实际上不是彼此独立的步骤 ， 而是读取器读取完一个pdf后 ， 就将这个pdf全部页循环一遍 ， 挨页交给写入器 。 最后等读取工作全部结束后再输出 。
水印
本次的工作是将下图作为水印添加到INV1.pdf中 。
实用办公技巧贴——当Python遇上PDF
文章图片
首先是准备工作 ， 将需要作为水印的图片插入word中调整合适位置后保存为PDF文件 。 然后就可以码代码了 ， 需要额外用到copy模块 ， 具体解释见下图：
实用办公技巧贴——当Python遇上PDF
文章图片
就是把读取器和写入器初始化 ， 并且把水印PDF页先读取好备用,核心代码稍微比较难理解：
实用办公技巧贴——当Python遇上PDF
文章图片
加水印本质上就是把水印PDF页和需要加水印的每一页都合并一遍 。 由于需要加水印的PDF可能有很多页 ， 而水印PDF只有一页 ， 因此如果直接把水印PDF拿来合并 ， 可以抽象理解成加完第一页 ， 水印PDF页就没有了 。
因此不能直接拿来合并 ， 而要把水印PDF页不断copy出来成新的一页备用new_page ， 再运用.mergePage方法完成跟每一页合并 ， 把合并后的页交给写入器待最后统一输出!
关于.mergePage的使用：出现在下面的页.mergePage(出现在上面的页) ， 最后效果如图：
实用办公技巧贴——当Python遇上PDF
文章图片
加密
加密很简单 ， 只需要记住：「加密是针对写入器加密」因此只需要在相关操作完成后调用pdf_writer.encrypt(密码) ， 以单个PDF的加密为例：
实用办公技巧贴——当Python遇上PDF
文章图片
当然 ， Python的能力绝不止于对PDF的合并、拆分、加密、水印 ， 使用Python结合Excel和Word实现更多的自动化需求都可以实现 ， 更多精彩有待探索 。
【实用办公技巧贴——当Python遇上PDF】文章部分素材来源：AI科技大本营


    推荐阅读


    上一篇：LPL|LGD首日出战，占尽“天时地利人和”，对方两名韩援因签证缺席

    下一篇：打野|“黄”野刀改变格局，不当人蹭线刷钱流边路崛起，学会上分很简单