python 打开pdf文件_用python操作PDF文件
版权声明
本次学习的内容主要是:从PDF读取文本内容和从已经有的文档生成新的PDF。
需要用到的模块是PyPDF2.
首先要在命令行中运行pip install PyPDF2.
一、从PDF读取文本
PyPDF2无法从pdf文档中提取图像,图表和其他媒体,但是它可以提取文本,并且将文本返回为python字符串。
importPyPDF2
# ===============从pdf中提取文本===========
pdffile=open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf','rb')# 读取pdf文件
pdfreader=PyPDF2.PdfFileReader(pdffile)# 读入到
print(pdfreader.numPages)# 读取pdf页数======19
读取pdf文件的页数是:
获取第一页的内容:
page0=pdfreader.getPage()#获取第1页,第一页是0
print(page0.extractText())# 获取第2页的内容,返回的是字符串
内容是
二、解密PDF
某些文档有加密功能,为了防止别人阅读,只有在打开文档的时候提供口令才能阅读。我打开的文件的加密口令是rosebud.
其实在读取一个pdf文件是首先应该确定它是否加密了。如果加密,isEncrypted属性就会返回True.此时就需要口令了。
# 某些pdf文件是加密的,防止别人阅读的,只有打开文档的时候提供口令才能阅读
pdf_reader=PyPDF2.PdfFileReader(open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\encrypted.pdf','rb'))
print(pdf_reader.isEncrypted)# 文件是否加密
返回的结果是:
如果这时候不输入口令就获取内容的话。
print(pdf_reader.getPage())# PyPDF2.utils.PdfReadError: file has not been decrypted 文件还没有解锁
会提示出现错误。
此时调用decrypt方法,输入口令,再读取就可以啦。
print(pdf_reader.decrypt('rosebud'))# rosebud==正确口令显示1,其他显示0
page_obj=pdf_reader.getPage()# 这样才能正确读取
print(page_obj.extractText())
返回的结果是:
三、创建PDF
PyPDF2可以创建一个新的PDF文件,但是不能将任何文本写入到PDF。其写入PDF的能力,仅限于从其他PDF中拷贝页面、旋转页面、重叠页面和加密文件。后面一一介绍。
四、拷贝页面
# ==========拷贝页面==============
pdffile1=open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf','rb')
pdffile2=open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes2.pdf','rb')
pdf1_reader=PyPDF2.PdfFileReader(pdffile1)
pdf2_reader=PyPDF2.PdfFileReader(pdffile2)
# 创建一个pdf文档,这个只是代表pdf文档的值,并没有创建实际的文档。
pdf_writer=PyPDF2.PdfFileWriter()
# 将文档一页一页的读入到新的文档
forpagenuminrange(pdf1_reader.numPages):
pageobj=pdf1_reader.getPage(pagenum)
pdf_writer.addPage(pageobj)
forpagenuminrange(pdf2_reader.numPages):
pageobj=pdf2_reader.getPage(pagenum)
pdf_writer.addPage(pageobj)
# write方法才能真正生成一个文件
pdfoutputfile=open('combin.pdf','wb')
pdf_writer.write(pdfoutputfile)
pdfoutputfile.close()
pdffile1.close()
pdffile2.close()
在对应目录下生成pdf文件
五、旋转页面
利用rotateClockwise()和rotateCounterClockwise()方法PDF页面可以旋转90的整倍数。
pdffile1=open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf','rb')
pdfreaders=PyPDF2.PdfFileReader(pdffile1)
page=pdfreaders.getPage()# 获取第一页
page.rotateClockwise(90)# 第一页旋转90度
# 创建一个新的PDF文档
pdfwriter=PyPDF2.PdfFileWriter()
# 添加内容
pdfwriter.addPage(page)
# 真实创建PDF文件并写入内容
result=open('ratated.pdf','wb')
pdfwriter.write(result)
# 关闭文件
result.close()
pdffile1.close()
点击开PDF文档,结果是:
六、叠加页面
有的时候需要在PDF中添加公司的标志、时间戳或水印。我们用这个库依然可以实现。
# 给指定的页面添加水印、公司标志或者时间戳。
pdffile1=open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf','rb')
pdf_reader1=PyPDF2.PdfFileReader(pdffile1)
# 获取该文档的第一页
first_page=pdf_reader1.getPage()
# 打开印有水印的PDF文件
water_pdf=PyPDF2.PdfFileReader(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\watermark.pdf','rb')
# 在上一个文档的第一页中加入这个有水印的文件
first_page.mergePage(water_pdf.getPage())
# 将读取的内容写入到对象中
pdfwriter=PyPDF2.PdfFileWriter()
pdfwriter.addPage(first_page)
结果是:
七、加密PDF
我们可以对拷贝的页面进行加密。
pdffile1=open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf','rb')
pdf_reader1=PyPDF2.PdfFileReader(pdffile1)
# 将读取的内容写入对象中
pdfwriter=PyPDF2.PdfFileWriter()
forpagenuminrange(pdf_reader1.numPages):
pdfwriter.addPage(pdf_reader1.getPage(pagenum))
# 输入口令
pdfwriter.encrypt('meimei')
# 真正创建PDF文件
result_pdf=open('encry.pdf','wb')
pdfwriter.write(result_pdf)
# 关闭文件
result_pdf.close()
点击生成的PDF文件。
输入密码才可以打开。
参考文献《python编程快速上手--让繁琐工作自动化》
python 打开pdf文件_用python操作PDF文件相关推荐
- python打开各种文件格式_使用python读取数据科学最常用的文件格式(转)
Author:kevinelstri DateTime:2017/3/13 1.什么是文件格式? 文件格式是在文件中存储信息的一种标准方法.首先,文件格式指定文件是一个二进制或ASCII文件.其次,文 ...
- python打开中文文件名_解决python打开中文文件名乱码的问题
解决python打开中文文件名乱码的问题 发布时间:2020-07-27 11:20:22 来源:亿速云 阅读:162 作者:清晨 小编给大家分享一下解决python打开中文文件名乱码的问题,相信大部 ...
- python打开哪个答案_关于 Python 文件的 ‘r’ 打开模式,哪个选项的描述是正确的?_学小易找答案...
[单选题]以下选项对文件描述错误的是( ). [单选题]关于 Python 的元组类型,以下选项错误的是: [单选题]下列程序的输出结果为[ ]. def fun(a,b): return a+b c ...
- python打开excel数据库_使用python导入excel文件中的mssql数据库数据
我试图用python导入excel文件中的mssql数据库数据.我的数据在excel表格中的顺序不正确.e. g它显示第1列数据,然后是第3列,第2列,然后是第4列,依此类推. 我使用以下脚本:imp ...
- python打开中文文件名_[请教]python的中文文件名处理
该楼层疑似违规已被系统折叠 隐藏此楼查看此楼 3 楼的可以用 sys.getfilesystemencoding 检测,但由於文件系统的差异,文件名 100% 无损转还是不太可,比如很多 *nix 的 ...
- python打开方式包括_运行Python程序有两种方式:________和________。
运行Python程序有两种方式:________和________. 答: 交互式 文件式 自觉的人,心目中有一张蓝图,人生理想.但是不知道世界的游戏规则 答:× 山水画的鉴赏方法? 答:1.首先看风 ...
- 用python打开ccd相机_用python测量CCD图像
我正在尝试实现一个非常简单的天体测量代码.我已经手动在我的照片中找到了几个星星的坐标(RA/DEC和x/y像素). 一切似乎都是直截了当的,但我还是得到了奇怪的结果,偏离了几度.在 我正在尝试求解我拍 ...
- python打开excel表_如何用python打开excel
最近看到好几次群里有人问xlwt.wlrd的问题,怎么说呢,如果是office2007刚出来,大家用xlsx文件用不习惯,还可以理解,这都10年过去了喂,就算没有进化到office2016,还在用of ...
- python高效处理文件_使用Python语言高效地处理一个文本文件
使用Python语言高效地处理一个文本文件: # -- encoding: utf-8 -- # 脚本功能:在指定的文件中查找指定的字符串 # 此脚本接受两个参数 # 参数1:指定一个文件名,在这个文 ...
- linux 获取文件父目录权限,Linux 文件权限中,操作一个文件需要父目录的那些权限?...
eudore:linux 文件权限中,操作一个文件需要父目录的那些权限? 是否需要检查每级目录?想找到一份完整规范正确的指导,自己在写检查 linux 用户文件权限的代码. 例如读取一个文件 /hom ...
最新文章
- pandas中DataFrame的apply()方法和applymap()方法,以及python内置函数map()
- QT系统性总结(推荐新手看)
- 90%的人都不会做的一道笔试题
- 初涉c#设计模式-Iterator Pattern
- Kinect开发学习笔记之(二)Kinect开发学习资源整理
- 登录与注册 艺术与业务 的结合
- linux怎么安装scp服务,linux下ssh安装与scp命令使用详解
- 物权法全文内容有哪些呢-广告外链_合肥SEO优化小编告诉您网站外链优化方法大全...
- Rocket - decode - 最小项与最大项
- 钓鱼网站 (搬运自common craft )
- 怎么获取计算机的最高权限,获取win8 64位旗舰版系统最高权限的方法【图文详解】...
- 使用ESP32连接腾讯云实现远程控制方法
- Verilog实现呼吸灯效果
- 生产环境lepus部署 监控MySQL
- 岁月温柔-13 妈妈担心回到山村里的大姨冻着
- 软考__第17章 战略管理
- wampserver中文版 附安装教程
- CSS中Border(边框)
- 【电影推荐】60部经典华语电影,排行不分先后!
- 2023.1.31 机械系统中应用的零部件
热门文章
- 淘宝的npaliedit在mb下会崩溃的问题解决了
- 网络工程师成长日记389-防火墙
- linux源码编译ipk,Ubuntu亲自手动编译Openwrt (DreamBox): for njit....ipk
- 【材料】ABS、ABS+PC、PA、PC、PMMA、POM、PP、PE、PPO、PVC、TPE和TPO材料优缺点
- 东芝2303am维护清零_东芝打印机2303A怎样清零
- Nanopore 16S测序数据分析流程之blast/last
- 联创宽带上网助手 vista版
- GB28181国标平台资料整理
- 箫演奏技巧符号大全图解
- U盘量产U盘扩容和U盘芯片检测