本次學習的內容主要是：從PDF讀取文本內容和從已經有的文檔生成新的PDF。
需要用到的模塊是PyPDF2.
首先要在命令行中運行pip install PyPDF2.
一、從PDF讀取文本
PyPDF2無法從pdf文檔中提取圖像，圖表和其他媒體，但是它可以提取文本，並且將文本返回為python字符串。
import PyPDF2
# ===============從pdf中提取文本===========
pdffile = open(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\meetingminutes.pdf', 'rb') # 讀取pdf文件
pdfreader = PyPDF2.PdfFileReader(pdffile) # 讀入到
print(pdfreader.numPages) # 讀取pdf頁數======19
讀取pdf文件的頁數是：
獲取第一頁的內容：
page0 = pdfreader.getPage(0) #獲取第1頁，第一頁是0
print(page0.extractText()) # 獲取第2頁的內容，返回的是字符串
內容是
二、解密PDF
某些文檔有加密功能，為了防止別人閱讀，只有在打開文檔的時候提供口令才能閱讀。我打開的文件的加密口令是rosebud.
其實在讀取一個pdf文件是首先應該確定它是否加密了。如果加密，isEncrypted屬性就會返回True.此時就需要口令了。
# 某些pdf文件是加密的，防止別人閱讀的，只有打開文檔的時候提供口令才能閱讀
pdf_reader = PyPDF2.PdfFileReader(open(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\encrypted.pdf','rb'))
print(pdf_reader.isEncrypted) # 文件是否加密
返回的結果是：
如果這時候不輸入口令就獲取內容的話。
print(pdf_reader.getPage(0)) # PyPDF2.utils.PdfReadError: file has not been decrypted 文件還沒有解鎖
會提示出現錯誤。
此時調用decrypt方法，輸入口令，再讀取就可以啦。
print(pdf_reader.decrypt('rosebud')) # rosebud==正確口令顯示1，其他顯示0
page_obj = pdf_reader.getPage(0) # 這樣才能正確讀取
print(page_obj.extractText())
返回的結果是：
三、創建PDF
PyPDF2可以創建一個新的PDF文件，但是不能將任何文本寫入到PDF。其寫入PDF的能力，僅限於從其他PDF中拷貝頁面、旋轉頁面、重疊頁面和加密文件。后面一一介紹。
四、拷貝頁面
# ==========拷貝頁面==============
pdffile1 = open(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\meetingminutes.pdf', 'rb')
pdffile2 = open(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\meetingminutes2.pdf', 'rb')
pdf1_reader = PyPDF2.PdfFileReader(pdffile1)
pdf2_reader = PyPDF2.PdfFileReader(pdffile2)
# 創建一個pdf文檔，這個只是代表pdf文檔的值，並沒有創建實際的文檔。
pdf_writer = PyPDF2.PdfFileWriter()
# 將文檔一頁一頁的讀入到新的文檔
for pagenum in range(pdf1_reader.numPages):
pageobj = pdf1_reader.getPage(pagenum)
pdf_writer.addPage(pageobj)
for pagenum in range(pdf2_reader.numPages):
pageobj = pdf2_reader.getPage(pagenum)
pdf_writer.addPage(pageobj)
# write方法才能真正生成一個文件
pdfoutputfile = open('combin.pdf','wb')
pdf_writer.write(pdfoutputfile)
pdfoutputfile.close()
pdffile1.close()
pdffile2.close()
在對應目錄下生成pdf文件
五、旋轉頁面
利用rotateClockwise()和rotateCounterClockwise()方法PDF頁面可以旋轉90的整倍數。
pdffile1 = open(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\meetingminutes.pdf', 'rb')
pdfreaders = PyPDF2.PdfFileReader(pdffile1)
page = pdfreaders.getPage(0) # 獲取第一頁
page.rotateClockwise(90) # 第一頁旋轉90度
# 創建一個新的PDF文檔
pdfwriter = PyPDF2.PdfFileWriter()
# 添加內容
pdfwriter.addPage(page)
# 真實創建PDF文件並寫入內容
result = open('ratated.pdf','wb')
pdfwriter.write(result)
# 關閉文件
result.close()
pdffile1.close()
點擊開PDF文檔，結果是：
六、疊加頁面
有的時候需要在PDF中添加公司的標志、時間戳或水印。我們用這個庫依然可以實現。
# 給指定的頁面添加水印、公司標志或者時間戳。
pdffile1 = open(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\meetingminutes.pdf', 'rb')
pdf_reader1 = PyPDF2.PdfFileReader(pdffile1)
# 獲取該文檔的第一頁
first_page = pdf_reader1.getPage(0)
# 打開印有水印的PDF文件
water_pdf = PyPDF2.PdfFileReader(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\watermark.pdf', 'rb')
# 在上一個文檔的第一頁中加入這個有水印的文件
first_page.mergePage(water_pdf.getPage(0))
# 將讀取的內容寫入到對象中
pdfwriter = PyPDF2.PdfFileWriter()
pdfwriter.addPage(first_page)
結果是：
七、加密PDF
我們可以對拷貝的頁面進行加密。
pdffile1 = open(r'E:\python讓繁瑣的工作自動化\13_處理pdf和word文檔\data\meetingminutes.pdf', 'rb')
pdf_reader1 = PyPDF2.PdfFileReader(pdffile1)
# 將讀取的內容寫入對象中
pdfwriter = PyPDF2.PdfFileWriter()
for pagenum in range(pdf_reader1.numPages):
pdfwriter.addPage(pdf_reader1.getPage(pagenum))
# 輸入口令
pdfwriter.encrypt('meimei')
# 真正創建PDF文件
result_pdf = open('encry.pdf','wb')
pdfwriter.write(result_pdf)
# 關閉文件
result_pdf.close()
點擊生成的PDF文件。
輸入密碼才可以打開。
參考文獻《python編程快速上手--讓繁瑣工作自動化》
