笔者前阵子在抽取pdf文字时，碰到了一个棘手的问题：无法直接编辑加密的pdf文本。
什么是加密的pdf？加密的pdf 分为两类：第一种为pdf在打开需要密码；第二种是在pdf的操作受到了限制，需要密码才能解除限制。本文讨论第二种情况。
来看看一篇加密的pdf文档有哪些权利受到了限制（访问文档属性-->安全信息）。
连打印都不允许……这，有点过了，毕竟招股书是公开的文档。
那么究竟如何去除加密的pdf文档的密码？注意，这里是去除，而不是破解。文章讨论将带有密码保护的pdf转化为没有密码保护的pdf，而不是如何获取密码。
--方案1--
推介一个网站【I LOVE PDF】
利用这个网站，你只需要上传文件，就能对pdf进行切割、合并、破解、转化为word等操作……挺棒的，免费，无需注册！
但是，如果有超过10M的文件，网站是不受理的；如果你有100份文件，那么就得上传100次……尺有所长，尺有所短，网站已经尽力了，毕竟设计初衷不是为了大批量处理文件。涉及机密文件，建议不要上传……
--方案2--
对于切割合并等基础操作，使用库pypdf操作即可--详情可查看笔者之前的文章《利用python处理PDF文本》。
对于密码解除，笔者尝试了诸多方案。这里就不废话了，直接上干货--qpdf。
以上是官网对于QPDF介绍。简言之，qpdf是一款可以移除密码的在命令行终端操作的软件。
qpdf 的优势：
- 破除 256-bit encryption keys and AES
- 破除 default RC4 with 40, 128 or 256 bit key lengths
命令行语法如下：
其中：
- infilename 是指导入的文件的名字，也就是需要移除密码的文件
- outfilename:经过处理之后的需要导出的文件的名字，也就是最终你要的文件的名字
- options:需要使用的命令。下图是可以使用的命令的一小部分，其中黄色标注的的--decrypt 是我们需要的命令。这里很明显的提到：如果PDF打开时需要密码，则需要提供密码，这里仅仅移除文档的权限加密。
因此，在转到qpdf的安装目录下，你只需要在命令行终端收入一下命令：
qpdf --decrypt infilename outfilename
好了，对于单个文件确实可以这么处理。那么对于100个文件该如何处理？只需要在命令行终端输入100遍即可?嗯，是的，如果你不嫌麻烦。但是，重复的劳动，应该交给机器来完成。实际上，写个批处理就可以轻松搞定这个任务。
if 你会批处理:
-----文章到此结束----
else:
-----请继续阅读----
--------------------不会的批处理的朋友请往下看-------------------
好了，当你在使用命令行进行pdf解密时，你实际上在打开一个进程。
接下来要做的事情已经很明了，就是利用python调用命令行终端，建立多进程直接同时对多个文件进行处理。
python调用命令行终端库主要有os、subprocess
官网推荐，尽量不使用os.system；同时，o.popen也是调用subprocess.Popen，因此，推荐直接使用subprocess.Popen。subprocess.Popen语法如下：
class Popen(object):
""" Execute a child program in a new process.
For a complete description of the arguments see the Python documentation.
Arguments:
args: A string, or a sequence of program arguments.
bufsize: supplied as the buffering argument to the open() function when
creating the stdin/stdout/stderr pipe file objects
executable: A replacement program to execute.
stdin, stdout and stderr: These specify the executed programs' standard
input, standard output and standard error file handles, respectively.
preexec_fn: (POSIX only) An object to be called in the child process
just before the child is executed.
close_fds: Controls closing or inheriting of file descriptors.
shell: If true, the command will be executed through the shell.
cwd: Sets the current directory before the child is executed.
env: Defines the environment variables for the new process.
universal_newlines: If true, use universal line endings for file
objects stdin, stdout and stderr.
startupinfo and creationflags (Windows only)
restore_signals (POSIX only)
start_new_session (POSIX only)
pass_fds (POSIX only)
encoding and errors: Text mode encoding and error handling to use for
file objects stdin, stdout and stderr.
Attributes:
stdin, stdout, stderr, pid, returncode
"""
_child_created = False # Set here since __del__ checks it
def __init__(self, args, bufsize=-1, executable=None,
stdin=None, stdout=None, stderr=None,
preexec_fn=None, close_fds=_PLATFORM_DEFAULT_CLOSE_FDS,
shell=False, cwd=None, env=None, universal_newlines=False,
startupinfo=None, creationflags=0,
restore_signals=True, start_new_session=False,
pass_fds=(), *, encoding=None, errors=None):
"""Create new Popen instance."""
_cleanup()
# Held while anything is calling waitpid before returncode has been
# updated to prevent clobbering returncode if wait() or poll() are
# called from multiple threads at once. After acquiring the lock,
# code must re-check self.returncode to see if another thread just
# finished a waitpid() call.
self._waitpid_lock = threading.Lock()
self._input = None
self._communication_started = False
#------------------------丑陋的界面--------------------
我们分步来分析subprocess.Popen
首先，Popen是一个类
其自带一个初始化函数
初始化参数里面有若干个参数，我们逐一展示
重点来看看shell参数。
如果直接通过命令行来执行，那么shell = True
简单来说，如果你的程序依赖于其他命令行输入，那么使用shell相当危险！由于我们不需要在命令行直接输入命令，因此这里并无风险。
为何我们要关注shell这个参数？好吧，如果shell= False,将直接导致程序错误，找不到文件([Errno 2] No such file or directory)！
好了，函数解析完毕，直接上代码
#批量破解pdf密码
import subprocess
import os
path = r"F:\qpdf"
pre = r"C:\Users\tctctct\PycharmProjects\yxpl\files" #初始pdf文件夹
final = r"D:\yxpl" #存放破解的pdf的文件夹
files = os.listdir(pre)
exit_files = os.listdir(final)
for j in files:
if j not in exit_files:
abs_file = os.path.join(pre,j)
out_file = os.path.join(final,j)
cmd = ["qpdf","--decrypt",abs_file,out_file] #命令行终端命令
sub = subprocess.Popen(args=cmd,cwd=path,shell=True) #不要忘记cwd
sub.wait() #最好加上，否则可能由于多个进程同时执行带来机器瘫痪
后续：
- 有兴趣朋友可以借助tkinter或者pyqt做一个用户界面，方便python用户使用。如果懂点pyinstaller，也可以将程序打包成exe文件，方便完全不懂python的小白使用。
- pdf 文章有了，如何抽取里面的文字？请看《利用python处理PDF文本》
- 文字也有了， 如何识别出你要的内容或者进行转化？请学习自然语言处理+正则表达式
- 拓展思路，命令行可以做的事，python可以直接做。再进一步，其他语言做好的事情，python来调用。例如，java库pdfbpox擅长处理pdf ,那么就写个pdfbox python接口，直接调用。
