Python高手都在用的PDF处理神器
PyPDF2库10大核心功能完整操作指南
🎯 本文导读
• 👨💻 适合人群：Python初学者、需要处理PDF的开发者
• ⏱ 阅读时间：15分钟
• 📚 难度级别：⭐⭐☆☆☆
• 🔧 环境要求：Python 3.6+
写在前面的话
大家好啊！我是资深Python开发者老冉。最近收到很多读者问如何用Python处理PDF文档，今天就给大家介绍一个超级好用的库 - PyPDF2！
作为一名经常和文档打交道的程序员，我可以负责任地说，PyPDF2绝对是处理PDF的神器。它不仅功能强大，还特别容易上手，让我们一起来探索这个强大工具的魅力吧！
PDF处理实战指南
首先，让我们安装PyPDF2。打开终端，输入以下命令：
pip install PyPDF21. 读取PDF文件
核心要点：
• 使用
PdfReader类• 可以获取页数和提取文本内容
•
extract_text()方法用于提取文本
from PyPDF2 import PdfReader
# 创建PDF阅读器对象
reader = PdfReader("example.pdf")
# 获取页数
page_count = len(reader)
# 读取第一页内容
page = reader.pages[0]
text = page.extract_text()2. 合并PDF文件
核心要点：
• 使用
PdfMerger类• 工作流程：append添加文件→write保存→close关闭
• 操作完需要调用close()释放资源
from PyPDF2 import PdfMerger
merger = PdfMerger()
# 添加要合并的PDF文件
merger.append("file1.pdf")
merger.append("file2.pdf")
# 保存合并后的文件
merger.write("merged_output.pdf")
merger.close()3. 提取PDF页面
核心要点：
•
PdfWriter和PdfReader配合使用• 页面索引从0开始计数
• 可以选择性提取任意页面
from PyPDF2 import PdfWriter, PdfReader
reader = PdfReader("source.pdf")
writer = PdfWriter()
# 提取第2页和第3页
writer.add_page(reader.pages[1])
writer.add_page(reader.pages[2])
# 保存到新文件
with open("extracted.pdf", "wb") as output:
writer.write(output)4. 旋转页面
核心要点：
• 使用
rotate()方法• 角度可以是90、180、270
• 旋转是永久性的，会影响保存的文件
from PyPDF2 import PdfWriter, PdfReader
reader = PdfReader("original.pdf")
writer = PdfWriter()
# 获取第一页并旋转90度
page = reader.pages[0]
page.rotate(90)
writer.add_page(page)
# 保存旋转后的文件
with open("rotated.pdf", "wb") as output:
writer.write(output)5. 加密PDF
核心要点：
• 使用
encrypt()方法保护文档安全• 请妥善保管密码
• 一旦丢失将无法访问
from PyPDF2 import PdfWriter, PdfReader
reader = PdfReader("input.pdf")
writer = PdfWriter()
# 复制所有页面
for page in reader.pages:
writer.add_page(page)
# 设置密码
writer.encrypt("password123")
# 保存加密文件
with open("encrypted.pdf", "wb") as output:
writer.write(output)6. 添加水印
核心要点：
• 使用
merge_page()方法• 将水印PDF叠加到原始页面
• 适合添加版权信息或机密标记
from PyPDF2 import PdfWriter, PdfReader
# 打开原始PDF和水印PDF
content = PdfReader("content.pdf")
watermark = PdfReader("watermark.pdf")
writer = PdfWriter()
# 为每页添加水印
for page in content.pages:
page.merge_page(watermark.pages[0])
writer.add_page(page)
# 保存结果
with open("watermarked.pdf", "wb") as output:
writer.write(output)7. 压缩PDF
核心要点：
• 使用
compress_content_streams()方法• 可以减小文件体积
• 适用于文件过大需要优化存储空间时
from PyPDF2 import PdfWriter, PdfReader
reader = PdfReader("large.pdf")
writer = PdfWriter()
for page in reader.pages:
page.compress_content_streams() # 压缩内容
writer.add_page(page)
with open("compressed.pdf", "wb") as output:
writer.write(output)8. 提取图片
核心要点：
• 使用
page.images属性• 可以获取页面中的所有图片
• 图片质量取决于PDF中的原始图片
from PyPDF2 import PdfReader
reader = PdfReader("with_images.pdf")
page = reader.pages[0]
for image_file_object in page.images:
with open(image_file_object.name, "wb") as out:
out.write(image_file_object.data)9. 分割PDF
核心要点：
• 采用单页提取+循环处理
• 便于文档分发和管理
• 灵活的命名方式
from PyPDF2 import PdfWriter, PdfReader
def split_pdf(path, name_prefix):
reader = PdfReader(path)
for page in range(len(reader.pages)):
writer = PdfWriter()
writer.add_page(reader.pages[page])
output_name = f"{name_prefix}_page_{page+1}.pdf"
with open(output_name, "wb") as output:
writer.write(output)10. 获取PDF信息
核心要点：
• 使用
metadata属性• 可获取标题、作者、主题、创建者等信息
• 适用于文档管理和分类
from PyPDF2 import PdfReader
reader = PdfReader("document.pdf")
info = reader.metadata
print(f"标题: {info.title}")
print(f"作者: {info.author}")
print(f"主题: {info.subject}")
print(f"创建者: {info.creator}")实用建议
💡 最佳实践：
1. 处理大文件时注意内存管理
2. 操作完及时关闭文件对象
3. 使用with语句自动管理资源
4. 进行文件操作时做好异常处理
写在最后
以上就是PyPDF2的十大常用操作啦！是不是感觉PDF处理变得超简单？记住，熟能生巧，多加练习才能真正掌握。如果你在使用过程中遇到任何问题，欢迎在评论区留言交流。祝大家学习愉快，下期再见！
小贴士：文章中的所有代码示例都经过实际测试，可以直接复制使用。记得先安装PyPDF2库哦！
🤝 交流互动
• 欢迎在评论区分享你的使用体验
• 关注我的公众号获取更多Python技术文章
• 加入技术交流群一起学习讨论
🎉 预告：下期我们将介绍Python自动化办公的其他实用技巧，敬请期待！
