Python - PyPDF2模块的简单使用

1.简介

PyPDF的前身是PyPDF包在2005年发布，该包的最后一个版本发布于2010年，后来大约经过一年左右，名为Phasit的公司赞助PyPDF的一个分支后来命名为PyPDF2，两个版本功能都基本一样，最大的区别就是PyPDF2中加入了支持Python3功能。后面又出现了PyPDF3、PyPDF4等不同版本，但这些包并没有对PyPDF2功能向后完全兼容，受欢迎程度当然也不如PyPDF2。

2.安装

使用命令：pip install pypdf2。

3.应用1：将单个PDF拆分为多个PDF文件

#! /usr/bin/env python3
# -*- coding:utf-8 -*-

# Author   : MaYi
# Blog     : http://www.cnblogs.com/mayi0312/
# Date     : 2022-08-19
# Name     : test01
# Software : PyCharm
# Note     : 使用PyPDF2模块将单个PDF拆分为多个PDF文件
# 导入模块
from  PyPDF2 import PdfFileReader, PdfFileWriter

# pdf 文档
pdf_name = "test.pdf"

pdf_reader = PdfFileReader(pdf_name)
# PDF页数
page_num = pdf_reader.getNumPages()

i_count = 0  # 计数
for i in range(0, page_num, 20):
    # 每20页拆分成一个新的PDF文件
    i_count += 1
    pdf_writer = PdfFileWriter()
    for j in range(i, min(i + 20, page_num)):
        pdf_writer.addPage(pdf_reader.getPage(j))
    save_pdf_name = str(i_count).zfill(3) + ".pdf"
    with open(save_pdf_name, "wb") as fo:
        pdf_writer.write(fo)

4.应用2：将多个PDF合并为一个PDF文件

#! /usr/bin/env python3
# -*- coding:utf-8 -*-

# Author   : MaYi
# Blog     : http://www.cnblogs.com/mayi0312/
# Date     : 2022-08-19
# Name     : test02
# Software : PyCharm
# Note     : 使用PyPDF2模块将多个PDF合并为一个PDF文件
# 导入模块
from  PyPDF2 import PdfFileReader, PdfFileWriter

# 需要合并的PDF文件名列表
merge_pdf_names = ["001.pdf", "002.pdf", "003.pdf", "004.pdf"]

merge_writer = PdfFileWriter()
# 遍历处理每一个PDF文件
for pdf_name in merge_pdf_names:
    curr_reader = PdfFileReader(pdf_name)
    page_num = curr_reader.getNumPages()
    for i in range(page_num):
        merge_writer.addPage(curr_reader.getPage(i))

with open("merge.pdf", "wb") as fo:
    merge_writer.write(fo)

5.应用3：对PDF添加水印

#! /usr/bin/env python3
# -*- coding:utf-8 -*-

# Author   : MaYi
# Blog     : http://www.cnblogs.com/mayi0312/
# Date     : 2022-08-19
# Name     : test03
# Software : PyCharm
# Note     : 使用PyPDF2模块对PDF添加水印
# 导入模块
from  PyPDF2 import PdfFileReader, PdfFileWriter

# pdf 文档
pdf_name = "test.pdf"
# 水印pdf 文档
water_mark = "watermark.pdf"
# 加完水印的pdf 文档
new_pdf_name = "test_watermark.pdf"

water_mark_page = PdfFileReader(water_mark).getPage(0)

pdf_reader = PdfFileReader(pdf_name)
pdf_writer = PdfFileWriter()

page_num = pdf_reader.getNumPages()
for i in range(page_num):
    page = pdf_reader.getPage(i)
    page.mergePage(water_mark_page)
    pdf_writer.addPage(page)

with open(new_pdf_name, "wb") as fo:
    pdf_writer.write(fo)

6.应用4：对PDF加密

#! /usr/bin/env python3
# -*- coding:utf-8 -*-

# Author   : MaYi
# Blog     : http://www.cnblogs.com/mayi0312/
# Date     : 2022-08-19
# Name     : test04
# Software : PyCharm
# Note     : 使用PyPDF2模块对PDF文件加密
# 导入模块
from  PyPDF2 import PdfFileReader, PdfFileWriter

# pdf 文档
pdf_name = "test.pdf"
# 加密后的pdf 文档
new_pdf_name = "test_encryption.pdf"

pdf_reader = PdfFileReader(pdf_name)
pdf_writer = PdfFileWriter()

page_num = pdf_reader.getNumPages()
for i in range(page_num):
    page = pdf_reader.getPage(i)
    pdf_writer.addPage(page)

# 加密
pdf_writer.encrypt(user_pwd="mayi", use_128bit=True)

with open(new_pdf_name, "wb") as fo:
    pdf_writer.write(fo)

7.应用5：对PDF解密

#! /usr/bin/env python3
# -*- coding:utf-8 -*-

# Author   : MaYi
# Blog     : http://www.cnblogs.com/mayi0312/
# Date     : 2022-08-19
# Name     : test05
# Software : PyCharm
# Note     : 使用PyPDF2模块对PDF文件解密
# 导入模块
from  PyPDF2 import PdfFileReader, PdfFileWriter

# pdf 文档
pdf_name = "test_encryption.pdf"
# 解密后的pdf 文档
new_pdf_name = "test.pdf"
# 密码
pass_word = "mayi"

pdf_reader = PdfFileReader(pdf_name)
# 解密
pdf_reader.decrypt(pass_word)
pdf_writer = PdfFileWriter()

page_num = pdf_reader.getNumPages()
for i in range(page_num):
    page = pdf_reader.getPage(i)
    pdf_writer.addPage(page)

with open(new_pdf_name, "wb") as fo:
    pdf_writer.write(fo)

8.应用6：获取PDF文件的基本信息

使用PyPDF2可以从PDF中提取到一些元数据和文本信息，对PDF有个大致了解。

#! /usr/bin/env python3
# -*- coding:utf-8 -*-

# Author   : MaYi
# Blog     : http://www.cnblogs.com/mayi0312/
# Date     : 2022-08-19
# Name     : test06
# Software : PyCharm
# Note     : 使用PyPDF2模块获取PDF文件的基本信息
# 导入模块
from  PyPDF2 import PdfFileReader

# pdf 文档
pdf_name = "test.pdf"

with open(pdf_name, 'rb') as f:
    pdf = PdfFileReader(f)
    # 获取PDF文件的基本信息
    infomation = pdf.getDocumentInfo()

    # 作者
    author = infomation.author
    # 创建者
    creator = infomation.creator
    # 制作者
    producer = infomation.producer
    # Subject（主题）
    subject = infomation.subject
    # 标题
    title = infomation.title
    # 页数
    page_num = pdf.getNumPages()
    # 打印获取的基本信息
    print("作者：%s\t创建者：%s\t制作者：%s\t主题：%s\t标题：%s\t页数：%s" % (author, creator, producer, subject, title, page_num))