Python自動化辦公系列之Python操作PDF

1、PyPDF2和pdfplumber庫介紹

• PyPDF2官網(wǎng)：PyPDF2官網(wǎng)?（https://pythonhosted.org/PyPDF2/），可以更好的讀取、寫入、分割、合并PDF文件；
• pdfplumber官網(wǎng)：pdfplumber官網(wǎng)（https://github.com/jsvine/pdfplumber），可以更好地讀取PDF文件內(nèi)容和提取PDF中的表格；
• 這兩個庫不屬于python標準庫，都需要單獨安裝；
  
  

2、python提取PDF文字內(nèi)容

1）利用pdfplumber提取文字

import?PyPDF2
import?pdfplumber

with?pdfplumber.open("餐飲企業(yè)綜合分析.pdf")?as?p:
????page?=?p.pages[2]
????print(page.extract_text())

結(jié)果如下：

2）利用pdfplumber提取表格并寫入excel

• extract_table()：如果一頁有一個表格；
• extract_tables()：如果一頁有多個表格；

import?PyPDF2
import?pdfplumber
from?openpyxl?import?Workbook

with?pdfplumber.open("餐飲企業(yè)綜合分析.pdf")?as?p:
????page?=?p.pages[4]
????table?=?page.extract_table()
????print(table)
????
????workbook?=?Workbook()
????sheet?=?workbook.active
????for?row?in?table:
????????if?not?"".join()?==?""
????????????sheet.append(row)
????workbook.save(filename?=?"新pdf.xlsx")

結(jié)果如下：缺陷：可以看到，這里提取出來的表格有很多空行，怎么去掉這些空行呢？判斷：將列表中每個元素都連接成一個字符串，如果還是一個空字符串那么肯定就是空行。

import?PyPDF2
import?pdfplumber
from?openpyxl?import?Workbook

with?pdfplumber.open("餐飲企業(yè)綜合分析.pdf")?as?p:
????page?=?p.pages[4]
????table?=?page.extract_table()
????print(table)
????
????workbook?=?Workbook()
????sheet?=?workbook.active
????for?row?in?table:
????????if?not?"".join([str(i)?for?i?in?row])?==?"":
????????????sheet.append(row)
????workbook.save(filename?=?"新pdf.xlsx")

結(jié)果如下：

3、PDF合并及頁面的排序和旋轉(zhuǎn)

1）分割及合并pdf

① 合并pdf

首先，我們有如下幾個文件，可以發(fā)現(xiàn)這里共有三個PDF文件需要我們合并。同時可以發(fā)現(xiàn)他們的文件名都是有規(guī)律的(如果文件名，沒有先后順序，我們合并起來就沒有意義了。)代碼如下：

from?PyPDF2?import?PdfFileReader,?PdfFileWriter

pdf_writer?=?PdfFileWriter()
for?i?in?range(1,len(os.listdir(r"G:\6Tipdm\7python辦公自動化\concat_pdf"))+1):
????print(i*50+1,(i+1)*50)
????pdf_reader?=?PdfFileReader("G:\\6Tipdm\\7python辦公自動化\\concat_pdf\{}-{}.pdf".format(i*50+1,(i+1)*50))
????for?page?in?range(pdf_reader.getNumPages()):
????????pdf_writer.addPage(pdf_reader.getPage(page))
????????
with?open("G:\\6Tipdm\\7python辦公自動化\\concat_pdf\merge.pdf",?"wb")?as?out:
????pdf_writer.write(out)

結(jié)果如下：

② 拆分pdf

這里有一個“時間序列.pdf”的文件，共3頁，我們將其每一頁存為一個PDF文件。代碼如下：

from?PyPDF2?import?PdfFileReader,?PdfFileWriter

pdf_reader?=?PdfFileReader(r"G:\6Tipdm\7python辦公自動化\concat_pdf\時間序列.pdf")
for?page?in?range(pdf_reader.getNumPages()):
????pdf_writer?=?PdfFileWriter()
????pdf_writer.addPage(pdf_reader.getPage(page))
????with?open(f"G:\\6Tipdm\\7python辦公自動化\\concat_pdf\\{page}.pdf",?"wb")?as?out:
????????pdf_writer.write(out)

結(jié)果如下：

2）旋轉(zhuǎn)及排序pdf

① 旋轉(zhuǎn)pdf

• .rotateClockwise(90的倍數(shù))：順時針旋轉(zhuǎn)90度
• .rotateCounterClockwise(90的倍數(shù))：逆時針旋轉(zhuǎn)90度

from?PyPDF2?import?PdfFileReader,?PdfFileWriter

pdf_reader?=?PdfFileReader(r"G:\6Tipdm\7python辦公自動化\concat_pdf\時間序列.pdf")
pdf_writer?=?PdfFileWriter()
for?page?in?range(pdf_reader.getNumPages()):
????if?page?%?2?==?0:
????????rotation_page?=?pdf_reader.getPage(page).rotateCounterClockwise(90)
????else:
????????rotation_page?=?pdf_reader.getPage(page).rotateClockwise(90)
????pdf_writer.addPage(rotation_page)
????with?open("G:\\6Tipdm\\7python辦公自動化\\concat_pdf\\旋轉(zhuǎn).pdf",?"wb")?as?out:
????????pdf_writer.write(out)
"""
上述代碼中，我們循環(huán)遍歷了這個pdf，對于偶數(shù)頁我們逆時針旋轉(zhuǎn)90°，對于奇數(shù)頁我們順時針旋轉(zhuǎn)90°；
注意：旋轉(zhuǎn)的角度只能是90的倍數(shù)；
"""

其中一頁效果展示如下：

② 排序pdf

需求：我們有一個PDF文件，我們需要倒序排列，應該怎么做呢？首先，我們來看python中，怎么倒敘打印一串數(shù)字，如下圖所示。那么倒序排列一個pdf，思路同上，代碼如下：

from?PyPDF2?import?PdfFileReader,?PdfFileWriter

pdf_reader?=?PdfFileReader(r"G:\6Tipdm\7python辦公自動化\concat_pdf\時間序列.pdf")
pdf_writer?=?PdfFileWriter()
for?page?in?range(pdf_reader.getNumPages()-1,?-1,?-1):
????pdf_writer.addPage(pdf_reader.getPage(page))
with?open("G:\\6Tipdm\\7python辦公自動化\\concat_pdf\\倒序.pdf",?"wb")?as?out:
????????pdf_writer.write(out)

結(jié)果如下：

4、pdf批量加水印及加密、解密

1）批量加水印

from?PyPDF2?import?PdfFileReader,?PdfFileWriter
from?copy?import?copy

water?=?PdfFileReader(r"G:\6Tipdm\7python辦公自動化\concat_pdf\水印.pdf")
water_page?=?water.getPage(0)

pdf_reader?=?PdfFileReader(r"G:\6Tipdm\7python辦公自動化\concat_pdf\aa.pdf")
pdf_writer?=?PdfFileWriter()

for?page?in?range(pdf_reader.getNumPages()):
????my_page?=?pdf_reader.getPage(page)
????new_page?=?copy(water_page)
????new_page.mergePage(my_page)
????pdf_writer.addPage(new_page)
with?open("G:\\6Tipdm\\7python辦公自動化\\concat_pdf\\添加水印后的aa.pdf",?"wb")?as?out:
????????pdf_writer.write(out)??
"""
這里有一點需要注意：進行pdf合并的時候，我們希望“水印”在下面，文字在上面，因此是“水印”.mergePage(“圖片頁”)
"""

結(jié)果如下：

2）批量加密、解密

• 這里所說的“解密”，是在知道pdf的密碼下，去打開pdf，而不是暴力破解；

① 加密pdf

from?PyPDF2?import?PdfFileReader,?PdfFileWriter

pdf_reader?=?PdfFileReader(r"G:\6Tipdm\7python辦公自動化\concat_pdf\時間序列.pdf")
pdf_writer?=?PdfFileWriter()
for?page?in?range(pdf_reader.getNumPages()):
????pdf_writer.addPage(pdf_reader.getPage(page))
#?添加密碼
pdf_writer.encrypt("a123456")
with?open("G:\\6Tipdm\\7python辦公自動化\\concat_pdf\\時間序列.pdf",?"wb")?as?out:
????????pdf_writer.write(out)??

結(jié)果如下：

② 解密pdf并保存為未加密的pdf

from?PyPDF2?import?PdfFileReader,?PdfFileWriter

pdf_reader?=?PdfFileReader(r"G:\6Tipdm\7python辦公自動化\concat_pdf\時間序列.pdf")
#?解密pdf
pdf_reader.decrypt("a123456")
pdf_writer?=?PdfFileWriter()
for?page?in?range(pdf_reader.getNumPages()):
????pdf_writer.addPage(pdf_reader.getPage(page))
with?open("G:\\6Tipdm\\7python辦公自動化\\concat_pdf\\未加密的時間序列.pdf",?"wb")?as?out:
????????pdf_writer.write(out)??

結(jié)果如下：