使用PyPDF2库对pdf文件进行指定页面删除操作
2024-06-06 20:55:18
平台：win10家庭版，python 3.7，PyPDF2
思维过程：
方法一：将pdf文件通过拆分为单页，放入一个文件夹，再删除其中不要的文件，最后再把剩余的文件进行合并为一个pdf文件
第一步：使用原文件路径创建新文件夹，用于存放拆分后的单页文件
def newdir(self,path):self.new = os.path.splitext(path)[0]if not os.path.isdir(self.new): #使用os.path.isdir判断文件夹是否存在，os.mkdir(self.new)
View Code
第二步：生成单页文件，并存放到新建的文件夹
1 def pdfsplt(self,path):
2 if os.path.isfile(path):
3 file_1 = open(path,"rb")
4 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示
5 #使用for循环读取每一页并将其写入新pdf文件，文件以页码命名
6 for page in range(0,file_reader.getNumPages()):
7 file_write = PyPDF2.PdfFileWriter()
8 pageobj = file_reader.getPage(page)
9 file_write.addPage(pageobj)
10 output = str(self.new) + "\\" + str(int(page+1)) + ".pdf"
11 with open(output,"wb") as output_pdf:
12 file_write.write(output_pdf)
13 file_1.close()
14 else:
15 print("文件不存在！")
16 time.sleep(3)
17 exit()View Code
第三步：删除文件夹中不要的文件
1 def pdfremove(self,number):
2 for pag in number:
3 filename = str(self.new) + "\\" + str(pag) + ".pdf"
4 if os.path.isfile(filename):
5 os.unlink(filename)
6 else:
7 print("请确认要删除的页码%s是否正确！！"%pag)View Code
第四步：把剩余文件合并为一个pdf文件
1 def pdfmerge(self):
2 file_list = [int(os.path.splitext(x)[0]) for x in os.listdir(self.new)] #读取新建文件夹下的所有文件并提取文件名转为数字
3 file_write = PyPDF2.PdfFileWriter() #先创建一个新的pdf对象
4 for page in sorted(file_list):
5 pathstr = str(self.new) + "\\" + str(page) + ".pdf"
6 file_1 = open(pathstr,"rb")
7 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) # 使用strict关闭错误提示
8 pageobj = file_reader.getPage(0)
9 file_write.addPage(pageobj)
10 output = str(self.new) + "_new.pdf"
11 with open(output, "wb") as output_pdf:
12 file_write.write(output_pdf)
13 print("第%s页完成"%page)
14 file_1.close()View Code
第五步：删除其中的缓存文件夹
1 def rmdir(self): 2 if os.path.isdir(self.new): 3 shutil.rmtree(self.new)
View Code
方法一的完整代码：
1 import PyPDF2
2 import os,time,shutil,sys
3 import threading
4
5 class mypdf(object):
6 def __init__(self,path,number):
7 self.newdir(path)
8 self.pdfsplt(path)
9 self.pdfremove(number)
10 self.pdfmerge()
11 self.rmdir()
12 pass
13
14 #用于创建一个独立的文件夹，存放缓存数据
15 def newdir(self,path):
16 self.new = os.path.splitext(path)[0]
17 if not os.path.isdir(self.new): #使用os.path.isdir判断文件夹是否存在，
18 os.mkdir(self.new)
19
20 #将每一页生成独立文件，存放到缓存文件夹
21 def pdfsplt(self,path):
22 if os.path.isfile(path):
23 file_1 = open(path,"rb")
24 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示
25 #使用for循环读取每一页并将其写入新pdf文件，文件以页码命名
26 for page in range(0,file_reader.getNumPages()):
27 file_write = PyPDF2.PdfFileWriter()
28 pageobj = file_reader.getPage(page)
29 file_write.addPage(pageobj)
30 output = str(self.new) + "\\" + str(int(page+1)) + ".pdf"
31 with open(output,"wb") as output_pdf:
32 file_write.write(output_pdf)
33 file_1.close()
34 else:
35 print("文件不存在！")
36 time.sleep(3)
37 exit()
38
39 #删除缓存文件夹中的不要的页
40 def pdfremove(self,number):
41 for pag in number:
42 filename = str(self.new) + "\\" + str(pag) + ".pdf"
43 if os.path.isfile(filename):
44 os.unlink(filename)
45 else:
46 print("请确认要删除的页码%s是否正确！！"%pag)
47
48 #将缓存文件夹中的剩余文件合进行合并
49 def pdfmerge(self):
50 file_list = [int(os.path.splitext(x)[0]) for x in os.listdir(self.new)] #读取新建文件夹下的所有文件并提取文件名转为数字
51 file_write = PyPDF2.PdfFileWriter() #先创建一个新的pdf对象
52 for page in sorted(file_list):
53 pathstr = str(self.new) + "\\" + str(page) + ".pdf"
54 file_1 = open(pathstr,"rb")
55 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) # 使用strict关闭错误提示
56 pageobj = file_reader.getPage(0)
57 file_write.addPage(pageobj)
58 output = str(self.new) + "_new.pdf"
59 with open(output, "wb") as output_pdf:
60 file_write.write(output_pdf)
61 print("第%s页完成"%page)
62 file_1.close()
63
64 def rmdir(self):
65 if os.path.isdir(self.new):
66 shutil.rmtree(self.new)
67
68 if __name__ == "__main__":
69 #通过第一个参数获取待处理的文件，第二个参数到以后为删除的页码
70 path = sys.argv[1]
71 number = sys.argv[2:]
72 mypdf = mypdf(path,number)
73 def f(path,number):
74 mypdf(path,number)
75 threading.Thread(target=f,args=[path,number])View Code
方法二：在写入新文件时使用if判断进行筛选出不要的页面
想法一、将读取与写入同时处理。使用if判断筛选不要的页面
1 def pdfsplt(self,path,number):
2 print(number,type(number))
3 if os.path.isfile(path):
4 file_1 = open(path,"rb")
5 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示
6 file_write = PyPDF2.PdfFileWriter()
7 #使用for循环读取每一页并将其写入新pdf文件，文件以页码命名
8 for page in range(0,file_reader.getNumPages()):
9 if page not in number:
10 pageobj = file_reader.getPage(page)
11 file_write.addPage(pageobj)
12 output = str(self.new) + "_new.pdf"
13 with open(output,"wb") as output_pdf:
14 file_write.write(output_pdf)
15 file_1.close()
16 else:
17 print("文件不存在！")
18 time.sleep(3)
19 exit()View Code
想法二、将数据先全部放入内存，最后在写入，来提高速度：
1 def pdfsplt(self,path,number):
2 print(number,type(number))
3 if os.path.isfile(path):
4 file_1 = open(path,"rb")
5 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示
6 file_write = PyPDF2.PdfFileWriter()
7 #使用for循环读取每一页并将其写入新pdf文件，文件以页码命名
8 for page in range(0,file_reader.getNumPages()):
9 if page not in number:
10 pageobj = file_reader.getPage(page)
11 file_write.addPage(pageobj)
12 output = str(self.new) + "_new.pdf"
13 with open(output,"wb") as output_pdf: #将内容全部放入内存，最后写入，提高处理速度
14 file_write.write(output_pdf)
15 file_1.close()
16 else:
17 print("文件不存在！")
18 time.sleep(3)
19 exit()View Code
方法二的完整代码：
1 import PyPDF2
2 import os,time,shutil,sys
3 import threading
4
5 class mypdf(object):
6 def __init__(self,path,number):
7 self.new = os.path.splitext(path)[0] #获取文件的路径
8 self.pdfsplt(path,number)
9 pass
10
11 #循环每一页读入内存，最后写入文件
12 def pdfsplt(self,path,number):
13 print(number,type(number))
14 if os.path.isfile(path):
15 file_1 = open(path,"rb")
16 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示
17 file_write = PyPDF2.PdfFileWriter()
18 #使用for循环读取每一页并将其写入新pdf文件，文件以页码命名
19 for page in range(0,file_reader.getNumPages()):
20 if page not in number:
21 pageobj = file_reader.getPage(page)
22 file_write.addPage(pageobj)
23 output = str(self.new) + "_new.pdf"
24 with open(output,"wb") as output_pdf: #将内容全部放入内存，最后写入，提高处理速度
25 file_write.write(output_pdf)
26 file_1.close()
27 else:
28 print("文件不存在！")
29 time.sleep(3)
30 exit()
31
32 if __name__ == "__main__":
33 #通过第一个参数获取待处理的文件，第二个参数到以后为删除的页码
34 path = sys.argv[1]
35 number = sys.argv[2:]
36 number = list(map(int, number))
37 mypdf = mypdf(path,number)
38 def f(path,number):
39 mypdf(path,number)
40 threading.Thread(target=f,args=[path,number])View Code
两种方法的比较：
|
方法一 |
方法二中的第一种想法 |
方法二中的第二种想法 |
|
|
运行速度 |
慢 |
较慢 |
快 |
|
代码量 |
65行 |
34行 |
34行 |
缺点：
方法一在处理扫描的pdf文件时，运行速度太慢，不能实现范围性的删除。
方法二不能实现范围性的删除
转载于:https://www.cnblogs.com/NINOMIYA1360/p/11013010.html
使用PyPDF2库对pdf文件进行指定页面删除操作相关推荐
- python读取pdf文档书签 bookmark_Python利用PyPDF2库获取PDF文件总页码实例
Python中可以利用PyPDF2库来获取该pdf文件的总页码,可以根据下面的方法一步步进行下去: 1.首先,要安装PyPDF2库,利用以下命令即可: pip install PyPDF2 2.接着, ...
- python读取扫描形成的pdf_Python利用PyPDF2库获取PDF文件总页码实例
Python中可以利用PyPDF2库来获取该pdf文件的总页码,可以根据下面的方法一步步进行下去: 1.首先,要安装PyPDF2库,利用以下命令即可: pip install PyPDF2 2.接着, ...
- Python利用PyPDF2库获取PDF文件总页码
Python中可以利用PyPDF2库来获取该pdf文件的总页码,可以根据下面的方法一步步进行下去: 1.首先,要安装PyPDF2库,利用以下命令即可: pip install PyPDF2 2.接着, ...
- python常用库 自动化办公类 —— PyPDF2（处理pdf文件）
python常用库 自动化办公类 -- PyPDF2(处理pdf文件) 摘要 PyPDF库的安装 PyPDF库的常用功能 文字提取 合并pdf文件 旋转pdf页面 pdf文件加密 摘要 本文主要介绍了 ...
- 使用iText库创建PDF文件
前言 译文连接:http://howtodoinjava.com/apache-commons/create-pdf-files-in-java-itext-tutorial/ 对于excel文件的读 ...
- 利用python中pdfplumber库提取PDF文件中文字
pdfplumber库中提供了一个extract_text()方法来帮助我们提取PDF文件中的文字.我们只需要使用pdfplumber中的open()方法打开我们希望提取文字的PDF文件,然后对所需提 ...
- PDF文件如何添加页面或插入其他PDF页面
在处理PDF文件的时候如果要在文档中添加插入一个页面,或者是插入其他pdf文件页面的话该怎样操作?编辑PDF文件是否像office文档那样操作简单?下面就来讲下PDF文件怎么添加页面的. 因为PD ...
- PDF文件如何旋转页面，来教你这两种方法
PDF文件如何旋转页面呢?很多在用PDF文件的人都知道,PDF文件是一种不能直接编辑的文件,具有比较好的安全性,没有办法直接编辑,就不用说旋转页面了,想要给PDF文件旋转页面可以使用专业的PDF编辑软 ...
- PDF文件怎么旋转页面
有的PDF文件打开后会有文档页面反过来的情况,那么怎么对PDF文档页面进行旋转?想要对PDF文档页面进行旋转,那么利用PDF编辑器http://bianji.xjpdf.com/进行旋转是一种不错的选 ...
最新文章
- sublime text 3 中改变.vue文件的颜色
- Java的call by value_call by value or reference ?
- 每日一博 - 延时任务的多种实现方式解读
- 并不对劲的bzoj2038:p1494:[国家集训队]小Z的袜子
- java 找出list中相同数据_Java获取List中相同的数据
- Java集合框架：ArrayList
- 你胆敢不加break试试？
- 11.Pipelines
- 汇编语言：实现大小写字母转换
- WPF中路由事件的传播
- Bootstrap3 滚动监听插件的方法
- ORACLE数据库常见问题诊断方法 ---（常见错误篇）
- InstallShield 12 制作安装包
- 服务器正在运行由于另一个程序,关于 服务器正在运行中,由于另一个程序正在运行中,此操作没法完成 问题的解决...
- 无锡python培训班,无锡Python+人工智能培训
- 企业网上下单订货管理软件源码搭建功能介绍|移讯云订货通订单管理系统
- tushare pro 版本获取股票历史数据
- 转载一篇ps更换背景色
- 海康威视py和c++调用全（超精髓，亲测）
- 韦东山ARM第一期总结