Python批处理PDF文件,PDF附件轻松批量提取

PDF附件是指在PDF文档中嵌入的其他文件,如图像、表格、音频、视频或其他文档。这些附件可以与PDF文档一起存储、传输和共享,为文档提供了更丰富的内容和更多的功能。通过添加附件,我们可以将相关文件和信息捆绑在一起,使其更易于管理和共享。此外,PDF附件还可以用于在文档中引用外部资源,提供更全面的参考资料和支持材料。然而,处理大量的PDF附件可能会很繁琐且费时费力。通过利用Python程序,我们可以轻松地批量处理这些附件,极大地提高工作效率。本文将介绍如何通过Python轻松批量提取并保存PDF附件插入附件到PDF文档中 以及删除PDF文件中的附件

文章目录

本文所介绍的方法需要用到Spire.PDF for Python,可从官网下载或通过PyPI安装:

powershell 复制代码
pip install Spire.PDF

使用Python批量提取PDF附件

提取PDF文档中的附件主要用到的是PdfDocument.Attachments 属性和 PdfAttachment.Data.Save() 方法。PdfDocument.Attachments属性可以获取一个PDF文档中的所有附件并返回一个附件集合,而PdfAttachment.Data.Save()方法则可以将指定附件保存到指定文件夹。详细操作步骤如下:

  1. 指定输入文件夹和输出文件夹的路径。
  2. 获取输入文件夹中以".pdf"结尾的PDF文件列表。
python 复制代码
pdfFiles = [f for f in os.listdir(inputFolder) if f.endswith(".pdf")]
  1. 遍历每个PDF文件。
  2. 创建PdfDocument类的对象,并使用PdfDocument.LoadFromFile()再入PDF文件。
python 复制代码
document = PdfDocument()
document.LoadFromFile(filePath)
  1. 获取PDF文件的附件列表。
python 复制代码
attachments = document.Attachments
  1. 判断附件列表是否为空,如果有附件,则构建储存附件的文件夹。
  2. 遍历附件列表,获取附件对象,并将附件保存到指定路径。
python 复制代码
attachment = attachments.get_Item(i)
attachmentPath = os.path.join(outputFolderPath, attachment.FileName)
attachment.Data.Save(attachmentPath)
  1. 关闭PDF文件。

完整代码示例:

python 复制代码
import os
from spire.pdf import *
from spire.pdf.common import *

# 指定输入文件夹和输出文件夹的路径
inputFolder = "文档/PDF"
outputFolder = "文档/附件"

# 获取输入文件夹中以".pdf"结尾的PDF文件列表
pdfFiles = [f for f in os.listdir(inputFolder) if f.endswith(".pdf")]

# 遍历每个PDF文件
for fileName in pdfFiles:
    # 构建PDF文件的完整路径
    filePath = os.path.join(inputFolder, fileName)
    
    # 创建PdfDocument对象并加载PDF文件
    document = PdfDocument()
    document.LoadFromFile(filePath)
    
    # 获取PDF文件的附件列表
    attachments = document.Attachments
    
    # 如果附件存在
    if attachments:
        # 获取PDF文件名(不包含扩展名)
        fileNameWithoutExt = os.path.splitext(fileName)[0]
        # 构建输出文件夹路径
        outputFolderPath = os.path.join(outputFolder, fileNameWithoutExt)
        # 创建输出文件夹
        os.makedirs(outputFolderPath, exist_ok=True)
        
        # 遍历附件列表
        for i in range(attachments.Count):
            # 获取附件对象
            attachment = attachments.get_Item(i)
            # 构建附件保存路径
            attachmentPath = os.path.join(outputFolderPath, attachment.FileName)
            # 保存附件到指定路径
            attachment.Data.Save(attachmentPath)
            
    # 关闭PDF文档
    document.Close()

用于提取附件的PDF文件:

提取结果:

使用Python轻松插入附件到PDF

通过创建PdfAttachment类的实例即可创建PDF附件,并对附件相关信息进行设置,如描述和修改日期。在创建好附件后,使用PdfDocument.Attachments.Add()方法即可将附件添加到PDF文件中。附件还可以与PDF注释结合,实现从页面上跳转到指定附件。一下步骤是添加附件的简单示例:

  1. 创建PdfDocument类的对象并再入PDF文档。
python 复制代码
document = PdfDocument()
document.LoadFromFile(pdfPath)
  1. 创建PdfAttachment类的对象,并设置附件描述和修改日期。
python 复制代码
attachment = PdfAttachment(attachmentPath)
attachment.Description = "参会人员名单"
attachment.ModificationDate = DateTime.get_Now()
  1. 将附件添加到PDF文件中。
python 复制代码
document.Attachments.Add(attachment)
  1. 保存并关闭PDF文件。
python 复制代码
document.SaveToFile("output/添加附件.pdf")
document.Close()

完整代码示例:

python 复制代码
from spire.pdf import *
from spire.pdf.common import *

# 定义PDF文件路径和附件路径
pdfPath = "文档/示例5.pdf"
attachmentPath = "示例/名单.txt"

# 创建PdfDocument对象并加载PDF文件
document = PdfDocument()
document.LoadFromFile(pdfPath)

# 创建PdfAttachment对象
attachment = PdfAttachment(attachmentPath)

# 设置附件的描述信息和修改日期
attachment.Description = "参会人员名单"
attachment.ModificationDate = DateTime.get_Now()

# 将附件添加到PDF文档中
document.Attachments.Add(attachment)

# 保存PDF文档到指定路径
document.SaveToFile("output/添加附件.pdf")

# 关闭PDF文档
document.Close()

添加效果:

使用Python批量删除PDF附件

删除PDF文件中的附件则比较简单,直接使用PdfDocument.Attachments属性获取一个PDF文件中的附件,然后再删除指定的附件或所有附件即可。一下是操作步骤:

  1. 创建PdfDocument类的对象并再入PDF文档。
python 复制代码
document = PdfDocument()
document.LoadFromFile(pdfPath)
  1. 获取PDF文件中的附件集合。
python 复制代码
document.Attachments
  1. 删除指定附件。
python 复制代码
attachments.RemoveAt(0)
  1. 或删除所有附件。
python 复制代码
attachments.Clear()
  1. 保存并关闭PDF文件。
python 复制代码
document.SaveToFile("output/删除附件.pdf")
document.Close()

完整代码示例:

python 复制代码
from spire.pdf import *
from spire.pdf.common import *

# 定义PDF文件路径
pdfPath = "文档/示例5.pdf"

# 创建PdfDocument对象并加载PDF文件
document = PdfDocument()
document.LoadFromFile(pdfPath)

# 获取PDF文件的附件集合
attachments = document.Attachments

# 删除指定附件
attachments.RemoveAt(0)

# 删除所有附件
attachments.Clear()

# 保存并关闭PDF文件
document.SaveToFile("output/删除附件.pdf")
document.Close()

以上是关于如何利用Python在PDF文件中添加、提取及删除附件的方法介绍。Spire.PDF for Python还支持许多其他功能,请前往Spire.PDF for Python教程了解更多。

相关推荐
Ronin30511 分钟前
【C++】类型转换
开发语言·c++
之歆25 分钟前
Python-封装和解构-set及操作-字典及操作-解析式生成器-内建函数迭代器-学习笔记
笔记·python·学习
mrbone1127 分钟前
Git-git worktree的使用
开发语言·c++·git·cmake·worktree·gitab
浪裡遊38 分钟前
Sass详解:功能特性、常用方法与最佳实践
开发语言·前端·javascript·css·vue.js·rust·sass
真实的菜1 小时前
JVM类加载系统详解:深入理解Java类的生命周期
java·开发语言·jvm
代码讲故事1 小时前
多种方法实现golang中实现对http的响应内容生成图片
开发语言·chrome·http·golang·图片·快照·截图
天天爱吃肉82181 小时前
ZigBee通信技术全解析:从协议栈到底层实现,全方位解读物联网核心无线技术
python·嵌入式硬件·物联网·servlet
虾球xz2 小时前
CppCon 2018 学习:EFFECTIVE REPLACEMENT OF DYNAMIC POLYMORPHISM WITH std::variant
开发语言·c++·学习
Allen_LVyingbo2 小时前
Python常用医疗AI库以及案例解析(2025年版、上)
开发语言·人工智能·python·学习·健康医疗
小哈龙2 小时前
裸仓库 + Git Bash 搭建 本地 Git 服务端与客户端
开发语言·git·bash