最全總結！聊聊 Python 操做PDF的幾種方法（合併、拆分、水印、加密）

1、前言

你們好，有關Python操做PDF的案例以前已經寫過一個👉PDF批量合併，這個案例初衷只是給你們提供一個便利的腳本，並無太多講解原理,其中涉及的就是PDF處理很實用的模塊PyPDF2，本文就好好剖析一下這個模塊，主要將涉及

• os 模塊綜合應用

• glob 模塊綜合應用

• PyPDF2 模塊操做

2、基本操做

PyPDF2 導入模塊的代碼經常是：

from PyPDF2 import PdfFileReader, PdfFileWriter

這裏導入了兩個方法：

• PdfFileReader 能夠理解爲讀取器

• PdfFileWriter能夠理解爲寫入器

接下來經過幾個案例進一步認識這兩個工具的奇妙之處，用到的示例文件是5個發票的pdf每一個發票的PDF都由兩頁組成：

3、合併

第一個工做是將5個發票pdf合併成10頁。這裏讀取器和寫入器應該怎麼配合呢？

邏輯以下：

1. 讀取器將全部pdf讀取一遍

2. 讀取器將讀取的內容交給寫入器

3. 寫入器統一輸出到一個新pdf

這裏還有一個重要的知識點：讀取器只能將讀取的內容一頁一頁交給寫入器。

所以，邏輯中第1步和第2步實際上不是彼此獨立的步驟，而是讀取器讀取完一個pdf後，就將這個pdf所有頁循環一遍，挨頁交給寫入器。最後等讀取工做所有結束後再輸出。

看一下代碼可讓思路更清楚：

from PyPDF2 import PdfFileReader, PdfFileWriter

path = r'C:\Users\xxxxxx'
pdf_writer = PdfFileWriter()

for i in range(1, 6):
    pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))
    for page in range(pdf_reader.getNumPages()):
        pdf_writer.addPage(pdf_reader.getPage(page))

with open(path + r'\合併PDF\merge.pdf', 'wb') as out:
    pdf_writer.write(out)

因爲所有內容都須要交給同一個寫入器最後一塊兒輸出，因此寫入器的初始化必定是在循環體以外的.

若是在循環體內則會變成每次訪問讀取一個pdf就生成一個新的寫入器，這樣每個讀取器交給寫入器的內容就會被反覆覆蓋，沒法實現咱們的合併需求!

循環體開頭的代碼：

for i in range(1, 6):
    pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))

目的就是每次循環讀取一個新的pdf文件交給讀取器進行後續操做。實際上這種寫法不是很提倡，因爲各pdf命名剛好很規則，因此能夠直接人爲指定數字進行循環。更好的方法是用 glob 模塊：

import glob
for file in glob.glob(path + '/*.pdf'):
    pdf_reader = PdfFileReader(path)

代碼中 pdf_reader.getNumPages(): 可以獲取讀取器的頁數，配合range就能遍歷讀取器的全部頁。

pdf_writer.addPage(pdf_reader.getPage(page))可以將當前頁交給寫入器。

最後，用with新建一個pdf並由寫入器的 pdf_writer.write(out)方法輸出便可

4、拆分

若是明白了合併操做中讀取器和寫入器的配合，那麼拆分就很好理解了，這裏咱們以拆分INV1.pdf爲2個單獨的pdf文檔爲例，一樣也先來捋一捋邏輯：

1. 讀取器讀取PDF文檔

2. 讀取器一頁一頁交給寫入器

3. 寫入器每獲取一頁就當即輸出

經過這個代碼邏輯咱們也能夠明白，寫入器初始化和輸出的位置必定都在讀取PDF循環每一頁的循環體內，而不是在循環體外

代碼很簡單：

from PyPDF2 import PdfFileReader, PdfFileWriter
path = r'C:\Users\xxx'
pdf_reader = PdfFileReader(path + '\INV1.pdf')

for page in range(pdf_reader.getNumPages()):
    # 遍歷到每一頁挨個生成寫入器
    pdf_writer = PdfFileWriter()
    pdf_writer.addPage(pdf_reader.getPage(page))
    # 寫入器被添加一頁後當即輸出產生pdf
    with open(path + '\INV1-{}.pdf'.format(page + 1), 'wb') as out:
        pdf_writer.write(out)

5、水印

本次的工做是將下圖做爲水印添加到INV1.pdf中首先是準備工做，將須要做爲水印的圖片插入word中調整合適位置後保存爲PDF文件。而後就能夠碼代碼了，須要額外用到copy模塊，具體解釋見下圖：就是把讀取器和寫入器初始化，而且把水印PDF頁先讀取好備用,核心代碼稍微比較難理解：加水印本質上就是把水印PDF頁和須要加水印的每一頁都合併一遍

因爲須要加水印的PDF可能有不少頁，而水印PDF只有一頁，所以若是直接把水印PDF拿來合併，能夠抽象理解成加完第一頁，水印PDF頁就沒有了。

所以不能直接拿來合併，而要把水印PDF頁不斷copy出來成新的一頁備用new_page，再運用.mergePage方法完成跟每一頁合併，把合併後的頁交給寫入器待最後統一輸出!

關於.mergePage的使用：出如今下面的頁.mergePage(出如今上面的頁)，最後效果如圖：

6、加密

加密很簡單，只須要記住：「加密是針對寫入器加密」

所以只須要在相關操做完成後調用pdf_writer.encrypt(密碼)

以單個PDF的加密爲例：

寫在最後

固然除了對PDF的合併、拆分、加密、水印，咱們還可使用Python結合Excel和Word實現更多的自動化需求，這些就留給讀者本身開發。

最後仍是但願你們可以理解Python辦公自動化的一個核心就是批量操做-解放雙手，讓複雜的工做自動化！

今天的文章就到這裏，原創不易，若是喜歡的話請給我一波三連支持吧(在看、轉發、留言)

-END-

本文分享自微信公衆號 - 早起Python（zaoqi-python）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。