PyPDF2：Python里的PDF忍者

目录📑

- [1. 背景📑](#1. 背景📑)
- [2. PyPDF2简介：你的PDF小帮手📑](#2. PyPDF2简介：你的PDF小帮手📑)
- [3. PyPDF2全能手册📑](#3. PyPDF2全能手册📑)
- - [3.1 读取PDF文件内容](#3.1 读取PDF文件内容)
  - [3.2 合并PDF文件](#3.2 合并PDF文件)
  - [3.3 分割PDF文件](#3.3 分割PDF文件)
  - [3.4 加密PDF文件](#3.4 加密PDF文件)
- [4. 总结📑](#4. 总结📑)

1. 背景📑

又是一个实际需求，将银行网站下载来的多页且单页多张回单的PDF裁剪成每张单据独立一个PDF文件，调研多个操作PDF的模块后，最终选择了PyPDF2，本文将为大家介绍PyPDF2的常用的功能。

2. PyPDF2简介：你的PDF小帮手📑

PyPDF2是一个无需外部依赖的纯Python库，可以让我们在不安装任何额外软件的情况下，进行PDF的读取、分割、合并以及转换等操作：
优点：

轻量：没有庞大的依赖，纯Python编写。
功能全面：从读取到写入，从合并到拆分，功能丰富。
跨平台：无论是Windows、macOS还是Linux，它都能良好运行。

缺点：

不支持PDF 1.7及以上版本的某些特性：如果你想处理带有复杂特性的最新PDF文件，可能会遇到一些问题。
文档较少：虽然用起来简单，但如果你想成为高级用户，可能需要一点探索精神。

3. PyPDF2全能手册📑

开始之前，我们需要确保PyPDF2已经安装在你的Python环境中。打开你的终端，输入以下命令：

bash 复制代码

pip install PyPDF2

3.1 读取PDF文件内容

python 复制代码

import PyPDF2

# 以二进制读取模式打开PDF文件
with open('example.pdf', 'rb') as file:
    reader = PyPDF2.PdfFileReader(file)
    
    # 获取PDF的页数
    num_pages = reader.numPages
    print(f"该PDF文件总共有 {num_pages} 页。")

    # 读取第一页的内容
    page = reader.getPage(0)
    page_content = page.extractText()
    print(page_content)

3.2 合并PDF文件

python 复制代码

import PyPDF2

# 创建PDF合并对象
merger = PyPDF2.PdfFileMerger()

# 打开每个PDF文件并添加到合并器
pdf_files = ['file1.pdf', 'file2.pdf', 'file3.pdf']
for pdf_file in pdf_files:
    with open(pdf_file, 'rb') as file:
        merger.append(file)

# 输出合并后的PDF到文件
with open('combined.pdf', 'wb') as out_file:
    merger.write(out_file)

print("PDF文件合并完成！")

3.3 分割PDF文件

python 复制代码

import PyPDF2

# 打开原始PDF文件
with open('big_file.pdf', 'rb') as file:
    reader = PyPDF2.PdfFileReader(file)
    
    # 创建一个写入器，保存我们需要的页面
    writer = PyPDF2.PdfFileWriter()
    
    # 假设我们只需要从第五页到第十页
    for page_num in range(4, 10):
        page = reader.getPage(page_num)
        writer.addPage(page)
    
    # 写入到新的PDF文件
    with open('extracted_pages.pdf', 'wb') as new_file:
        writer.write(new_file)

print("指定页面已经成功保存到新的PDF文件中！")

3.4 加密PDF文件

python 复制代码

from PyPDF2 import PdfFileReader, PdfFileWriter

# 读取PDF文件
reader = PdfFileReader('document.pdf')

# 创建PDF写入器，把读取的内容写入
writer = PdfFileWriter()
for page_num in range(reader.numPages):
    writer.addPage(reader.getPage(page_num))

# 添加密码保护
writer.encrypt('super_secret_password')

# 输出加密后的PDF
with open('encrypted_document.pdf', 'wb') as output:
    writer.write(output)

4. 总结📑

祝贺你！跟着本文的步伐，你刚刚解锁了使用PyPDF2进行PDF文件处理的基础技能。我们一起学习了如何读取PDF文件、合并多个PDF文件等操作。PyPDF2是一个功能强大且灵活的库，适用于各类PDF文档操作的场景，而我们今天探索的仅仅是它能力的冰山一角。

如果你对PDF文档的处理有更深入的需求，比如加密、解密、旋转页面或者添加水印等，PyPDF2都能胜任。所以，不要停滞不前，拿起你的键盘，继续你的探索之旅吧！

参考文档：

PyPDF2官方文档：https://pypdf2.readthedocs.io/en/3.0.0/
PyPDF2库源代码：https://github.com/py-pdf/pypdf