python自动化操作pdf的库PyPDF2PDF是Portable Document Format的简称，意为“可携带

PDF是Portable Document Format的简称，意为“可携带文档格式”，是由Adobe Systems用于与应用程序、操作系统、硬件无关的方式进行文件交换所发展出的文件格式。

在python中有多个对应的库可以操作Pdf文件，其中最常用的是Pypdf2

PyPDF是一个操作pdf的模块，现在最常用的版本是PyPDF2; 需要注意的是，这个库不能操作pdf获取文字信息

PyPDF2介绍

PyPDF2 是一个纯 Python PDF 库，可以读取文档信息（标题，作者等）、写入、分割、合并PDF文档，它还可以对pdf文档进行添加水印、加密解密等操作。

安装PyPDF2

使用pip包管理器安装PyPDF2最新版本： pip install PyPDF2

编辑器推荐使用VSCode,启动VSCode，可以直接选择打开“终端”菜单，进行库的安装和程序的运行；非常的方便

使用PyPDF2

PyPdf2中有两个模块，分别是:

读取库 PDFFileReader
操作库 PdfFileWriter

1、使用PDFFileReader可以获取pdf文件的基本信息，还可以获取到每一页pdf并加载为PageObject对象；

from PyPDF2 import PdfFileReader #引入reader pdf = PdfFileReader(input_path) #初始化一个reader对象，传入文件路径 infomation = pdf.getDocumentInfo() #获取文档信息 number_of_pages = pdf.getNumPages() #获取总页数

完整实例代码如下：

def read():
    '''读取pdf数据'''
    from PyPDF2 import PdfFileReader #引入reader
    pdf = PdfFileReader(input_path) #初始化一个reader对象，传入文件路径
    #pdf = pdf.decrypt('password') #对加密的文件机密
    infomation = pdf.getDocumentInfo() #获取文档信息
    number_of_pages = pdf.getNumPages() #获取总页数

    txt = f'''{input_path} information:
    Author : {infomation.author},
    Creator : {infomation.creator},
    Producer : {infomation.producer},
    Subject : {infomation.subject},
    Title : {infomation.title},
    Number of pages : {number_of_pages}
    '''    
    print(txt)  #以上信息，除了页数，对于一下文件可能不存在
    #这个库不适合读取文档内容
    for i in range(0,number_of_pages):
        pageObject = pdf.getPage(i)
        #print(pageObject.extractText())

2、使用PdfFileWriter需要配合PdfFileReader

from PyPDF2 import PdfFileWriter,PdfFileReader pdfReader = PdfFileReader(input_path) pdfWriter = PdfFileWriter() addPage 向此 PDF 文件添加页面该页面通常是从一个PdfFileReader实例中获取的 pdfWriter.addPage(pdfReader.getPage(0))

具体可以参考下面代码的注释：

def write():
    '''写入'''
    from PyPDF2 import PdfFileWriter,PdfFileReader
    pdfReader = PdfFileReader(input_path)
    pdfWriter = PdfFileWriter()
    # addPage 向此 PDF 文件添加页面 该页面通常是从一个PdfFileReader实例中获取的
    pdfWriter.addPage(pdfReader.getPage(0))
    # insertBlankPage 将空白页插入此 PDF 文件并返回此页面的PageObject对象
    # insertBlankPage(width=None, height=None, index=0) 默认在最开始添加
    pdfWriter.insertBlankPage(width=100,height=100)
    # addBlankPage(width=None, height=None) 追加一个空白页,如果没有指定width|height,则使用上一页的width|height
    # 如果没有指定width|height并且也没有上一页 raise PageSizeNotDefinedError
    pdfWriter.addBlankPage()
    # 在此 PDF 文件中插入一个pageObject对象。该页面通常是从一个 PdfFileReader实例中获取的
    # index指定插入位置 默认再最开始插入
    pdfWriter.insertPage(pdfReader.getPage(2))
    # addAttachment(fname, fdata) 在 PDF 中嵌入文件
    # pdfWriter.addAttachment(fname="附件一.txt", fdata=b'Hello world!')
    print(pdfWriter.getNumPages())
    #加密
    #pdfWriter.encrypt(user_pwd='password', owner_pwd='password')
    pdfWriter.write(open('H:/test_w.pdf','wb'))

3、重要的概念PageObject:

在PdfFileReader加载pdf文件后，获取的每一页都会被转换为PageObject对象，对于Pdf的操作，实际就是在操作PageObject对象；

下面是PageObject对象中常用的方法：

PageObject的方法： mergePage(page2) 将两个页面的内容合并为一个,可以实现水印效果 mergeRotatedPage(page2, rotation, expand=False) 类似mergePage方法，可以对page2页面进行旋转操作 mergeScaledPage(page2, scale, expand=False) 类似mergePage方法，可以对page2页面进行缩放操作 mergeTranslatedPage(page2, tx, ty, expand=False) 类似mergePage方法，可以对page2页面进行平移操作 mergeRotatedScaledPage(page2, rotation, scale, expand=False) 类似mergePage方法，可以对page2页面进行旋转以及缩放操作 mergeRotatedScaledTranslatedPage(page2, rotation, scale, tx, ty, expand=False) 类似mergePage方法，可以对page2页面进行旋转、缩放以及平移操作 mergeRotatedTranslatedPage(page2, rotation, tx, ty, expand=False) 类似mergePage方法，可以对page2页面进行旋转以及平移操作 mergeScaledTranslatedPage(page2, scale, tx, ty, expand=False) 类似mergePage方法，可以对page2页面进行缩放以及平移操作 mergeTransformedPage(page2, ctm, expand=False) 类似mergePage方法，可以对page2页面进行矩阵转换操作 rotateClockwise(angle) 顺时针旋转页面，angle必须是 90 度的增量 rotateCounterClockwise(angle) 逆时针旋转页面，angle必须是 90 度的增量 scale(sx, sy) 缩放页面 scaleBy(factor) 按固定XY轴比例缩放页面 scaleTo(width, height) 页面缩放到指定尺寸

实现一个合并pdf文件的功能：

可参考代码注释理解：

我正在参与掘金技术社区创作者签约计划招募活动，点击链接报名投稿。