python pypdf2

1、读写PDF from PyPDF2 import PdfFileReader, PdfFileWriter readFile = 'read.pdf' writeFile = 'write.pdf' pdfReader = PdfFileReader(open(readFile, 'rb')) pageCount = pdfReader.getNumPages() print(pageCount) i=2 page = pdfReader.getPage(i) pdfWriter = PdfFileWriter() pdfWriter.addPage(page) pdfWriter.write(open(writeFile, 'wb'))

2、合并分割PDF from PyPDF2 import PdfFileReader, PdfFileWriter def split_pdf(infn, outfn): pdf_output = PdfFileWriter() pdf_input = PdfFileReader(open(infn, 'rb')) # 获取 pdf 共用多少页 page_count = pdf_input.getNumPages() print(page_count) # 将 pdf 第五页之后的页面，输出到一个新的文件 for i in range(5, page_count): pdf_output.addPage(pdf_input.getPage(i)) pdf_output.write(open(outfn, 'wb')) def merge_pdf(infnList, outfn): pdf_output = PdfFileWriter() for infn in infnList: pdf_input = PdfFileReader(open(infn, 'rb')) # 获取 pdf 共用多少页 page_count = pdf_input.getNumPages() print(page_count) for i in range(page_count): pdf_output.addPage(pdf_input.getPage(i)) pdf_output.write(open(outfn, 'wb')) if name == 'main': infn = 'infn.pdf' outfn = 'outfn.pdf' split_pdf(infn, outfn) 3、追加：pdfWriter.appendPagesFromReader(reader) 书签：pdfWriter.addBookmark(title, pagenum, parent=parent)

4、PyPDF2.PdfFileReader(stream,strict = True,warndest = None,overwriteWarnings = True) stream：File 对象或支持与 File 对象类似的标准读取和查找方法的对象，也可以是表示 PDF 文件路径的字符串。 strict（bool）： 确定是否应该警告用户所用的问题，也导致一些可纠正的问题是致命的，默认是 True warndest : 记录警告的目标(默认是 sys.stderr) overwriteWarnings(bool)：确定是否 warnings.py 用自定义实现覆盖 Python 模块（默认为 True）

PdfFileReader 对象的属性和方法

属性和方法 描述 getDestinationPageNumber(destination) 检索给定目标对象的页码 getDocumentInfo() 检索 PDF 文件的文档信息字典 getFields(tree = None,retval = None,fileObj= None) 如果此 PDF 包含交互式表单字段，则提取字段数据， getFormTextFields() 从文档中检索带有文本数据（输入，下拉列表）的表单域 getNameDestinations(tree = None,retval= None) 检索文档中的指定目标 getNumPages() 计算此 PDF 文件中的页数 getOutlines(node = None,outline = None,) 检索文档中出现的文档大纲 getPage(pageNumber) 从这个 PDF 文件中检索指定编号的页面 getPageLayout() 获取页面布局 getPageMode() 获取页面模式 getPageNumber(pageObject) 检索给定 pageObject 处于的页码 getXmpMetadata() 从 PDF 文档根目录中检索 XMP 数据 isEncrypted 显示 PDF 文件是否加密的只读布尔属性 namedDestinations 访问该getNamedDestinations()函数的只读属性

用例：# encoding:utf-8 from PyPDF2 import PdfFileReader, PdfFileWriter

readFile = 'read.pdf'

获取 PdfFileReader 对象

pdfFileReader = PdfFileReader(readFile) # 或者这个方式：pdfFileReader = PdfFileReader(open(readFile, 'rb'))

获取 PDF 文件的文档信息

documentInfo = pdfFileReader.getDocumentInfo() print('documentInfo = %s' % documentInfo)

获取页面布局

pageLayout = pdfFileReader.getPageLayout() print('pageLayout = %s ' % pageLayout)

获取页模式

pageMode = pdfFileReader.getPageMode() print('pageMode = %s' % pageMode)

xmpMetadata = pdfFileReader.getXmpMetadata() print('xmpMetadata = %s ' % xmpMetadata)

获取 pdf 文件页数

pageCount = pdfFileReader.getNumPages()

print('pageCount = %s' % pageCount) for index in range(0, 2): # 返回指定页编号的 pageObject pageObj = pdfFileReader.getPage(index) print('index = %d , pageObj = %s' % (index, type(pageObj))) # <class 'PyPDF2.pdf.PageObject'> # 获取 pageObject 在 PDF 文档中处于的页码 pageNumber = pdfFileReader.getPageNumber(pageObj) print('pageNumber = %s ' % pageNumber) 7、PdfFileWriter 属性方法 属性和方法 描述 addAttachment(fname,fdata) 在 PDF 中嵌入文件 addBlankPage(width= None,height=None) 追加一个空白页面到这个 PDF 文件并返回它 addBookmark(title,pagenum,parent=None, color=None,bold=False,italic=False,fit=’/fit,args’) addJS(javascript) 添加将在打开此 PDF 是启动的 javascript addLink(pagenum,pagedest,rect,border=None,fit=’/fit’,args) 从一个矩形区域添加一个内部链接到指定的页面 addPage(page) 添加一个页面到这个PDF 文件，该页面通常从 PdfFileReader 实例获取 getNumpages() 页数 getPage(pageNumber) 从这个 PDF 文件中检索一个编号的页面 insertBlankPage(width=None,height=None,index=0) 插入一个空白页面到这个 PDF 文件并返回它，如果没有指定页面大小，就使用最后一页的大小 insertPage(page,index=0) 在这个 PDF 文件中插入一个页面，该页面通常从 PdfFileReader 实例获取 removeLinks() 从次数出中删除连接盒注释 removeText(ignoreByteStringObject = False) 从这个输出中删除图像 write(stream) 将添加到此对象的页面集合写入 PDF 文件

def addBlankpage(): readFile = 'C:/Users/Administrator/Desktop/RxJava 完全解析.pdf' outFile = 'C:/Users/Administrator/Desktop/copy.pdf' pdfFileWriter = PdfFileWriter()

# 获取 PdfFileReader 对象
pdfFileReader = PdfFileReader(readFile)  # 或者这个方式：pdfFileReader = PdfFileReader(open(readFile, 'rb'))
numPages = pdfFileReader.getNumPages()

for index in range(0, numPages):
    pageObj = pdfFileReader.getPage(index)
    pdfFileWriter.addPage(pageObj)  # 根据每页返回的 PageObject,写入到文件
    pdfFileWriter.write(open(outFile, 'wb'))

pdfFileWriter.addBlankPage()   # 在文件的最后一页写入一个空白页,保存至文件中
pdfFileWriter.write(open(outFile,'wb'))

分割文档 脚本 def splitPdf(): readFile = 'C:/Users/Administrator/Desktop/RxJava 完全解析.pdf' outFile = 'C:/Users/Administrator/Desktop/copy.pdf' pdfFileWriter = PdfFileWriter()

# 获取 PdfFileReader 对象
pdfFileReader = PdfFileReader(readFile)  # 或者这个方式：pdfFileReader = PdfFileReader(open(readFile, 'rb'))
# 文档总页数
numPages = pdfFileReader.getNumPages()

if numPages > 5:
    # 从第五页之后的页面，输出到一个新的文件中，即分割文档
    for index in range(5, numPages):
        pageObj = pdfFileReader.getPage(index)
        pdfFileWriter.addPage(pageObj)
    # 添加完每页，再一起保存至文件中
    pdfFileWriter.write(open(outFile, 'wb'))

合并文档： def mergePdf(inFileList, outFile): ''' 合并文档 :param inFileList: 要合并的文档的 list :param outFile: 合并后的输出文件 :return: ''' pdfFileWriter = PdfFileWriter() for inFile in inFileList: # 依次循环打开要合并文件 pdfReader = PdfFileReader(open(inFile, 'rb')) numPages = pdfReader.getNumPages() for index in range(0, numPages): pageObj = pdfReader.getPage(index) pdfFileWriter.addPage(pageObj)

    # 最后,统一写入到输出文件中
    pdfFileWriter.write(open(outFile, 'wb'))