PDF是我们经常会接触到的一种文件格式，文献、文档...很多都是PDF格式。它以格式稳定的优势，使得我们在打印、分享、传输过程中能够最优的保持原有色彩和格式。
PDF是以PostScript语言图像模型为基础的一种文档格式，它在格式的稳定性方面虽然具有很大优势。但是，在可编辑性方面却为使用者引入了另外一个困扰。
例如，在文档的分割、合并、剪切、转换、编辑等方面PDF就有些捉襟见肘了。
Adobe Reader、福昕阅读器、熊猫PDF...经常用到的PDF工具只能用于文档阅读，但是免费版都不可以用于文档编辑。虽然，网页版PDF工具，例如SmallPDF、I love PDF可以用于PDF的编辑，但是对于文档大小也有限制。
曾经，为了替换PDF中的一页，我几乎试遍了所有市面上主流的PDF工具，最终还是不得不选择使用付费工具来解决问题。
事后想了想，既然这些商业化软件不靠谱，为什么不考虑自己动手开发一款工具呢？明明几十行代码能够解决的问题，为什么要费那么多劲去下载、安装那些没有节操的软件呢？
本文就来介绍一下利用Python轻松开发一款PDF编辑工具，可以用于PDF转TxT、分割、合并、剪切、转换。
PyPDF2
PyPDF2是一个第三方的python PDF库，它能够对PDF文件进行分割、合并、裁剪和转换页面。
另外，它还可以对PDF文件添加自定义数据、水印、密码，也可以从PDF文件中检索出文本和元数据。
安装
使用pip直接安装：
$ pip install PyPDF2
下面就来演示几项PDF编辑功能，并且会逐行解释代码的含义。
删除PDF页
先给出实现代码，
from PyPDF2 import PdfFileWriter, PdfFileReader
output = PdfFileWriter() // 1
input1 = PdfFileReader(open("example.pdf", "rb")) // 2
def delete_pdf(index):
pages = input1.getNumPages() // 3
for i in range(pages):
if i+1 in index:
continue
output.addPage(input1.getPage(i)) // 4
outputStream = open("PyPDF2-output.pdf", "wb")
output.write(outputStream) // 5
delete_pdf([2,3,4])
下面来解释一下代码中的几个关键点：
- 声明一个用于输出PDF的实例；
- 读取本地PDF文件；
- 获取PDF文档的页数；
- 读取PDF的第i页，添加到输出output实例中；
- 把编辑后的文档保存到本地；
合并PDF
已经实现了删除PDF页，接下来就看一下如何把另外一个PDF中的页面合并到当前PDF中。
方法1：
可以沿着前面删除PDF页的方式进行拓展一下，对PDF进行合并。
from PyPDF2 import PdfFileWriter, PdfFileReader
output = PdfFileWriter()
input1 = PdfFileReader(open("example.pdf", "rb"))
input2 = PdfFileReader(open("simple2.pdf", "rb")) // 1
def merge_pdf(add_index, origin_index):
pages = input1.getNumPages()
k = 0
for i in range(pages):
if i+1 in add_index:
output.addPage(input2.getPage(origin_index[k])) // 2
pages += 1
k += 1
output.addPage(input1.getPage(i))
outputStream = open("PyPDF2-output.pdf", "wb")
output.write(outputStream)
merge_pdf([2,3,4], [0, 0, 0])
- 读取需要合并的源文件；
- 遍历到指定页，合并源PDF的页面；
方法2：
除了方法1，还有另外一种方法可以合并PDF：
from PyPDF2 import PdfFileMerger // 1
merger = PdfFileMerger()
input1 = open("document1.pdf", "rb") // 2
input2 = open("document2.pdf", "rb")
input3 = open("document3.pdf", "rb")
merger.append(fileobj = input1, pages = (0,3)) // 3
merger.merge(position = 2, fileobj = input2, pages = (0,1)) // 4
merger.append(input3) // 5
output = open("document-output.pdf", "wb")
merger.write(output)
- 导入PyPDF2合并模块PdfFileMerger;
- 读取需要处理和合并的PDF文档；
- 从第一个PDF文档中取出需要合并的前3页；
- 把第二个PDF文档的第一页插入到文档中；
- 把第三个PDF文档附到输出文档末尾；
除了上述介绍的2项主要功能，PyPDF2也有一些其他小功能：
旋转
input1.getPage(1).rotateClockwise(90)
使得页面1旋转90度。
添加水印
page = input1.getPage(3)
watermark = PdfFileReader(open("watermark.pdf", "rb"))
page.mergePage(watermark.getPage(0))
其中，水印存储在另外一个PDF文档watermark.pdf中。
加密
password = "secret"
output.encrypt(password)
首先给一个secret密码，然后使用encrypt对输出文档进行加密。
pdfminer
前面介绍的PyPDF2主要擅长于PDF页面级编辑，而对于文本和源数据级别编辑能力较弱。
所以，这里就来介绍另外一款Python库来弥补它的不足。
PDFMiner是一个PDF文档的文本提取工具，它具有如下特性：
- 能够准确获取文本的位置和布局信息；
- 可以将PDF转换为HTML/XML等格式；
- 可以提取目录；
- 可以提取标签内容；
- 支持各种字体类型（Type1、TrueType、Type3和CID）;
- 支持中、日、韩语言和垂直书写文本;
安装
$ pip install pdfminer
PDF转TxT
pdfminer在GitHub的托管项目中，在目录tools下给出了一些实用的工具集，例如，PDF转HTML、PDF转HTML、PDF转TXT。我们可以直接通过使用下面命令提出PDF文档中的文本信息。
$ pdf2txt.py samples/simple1.pdf
总结
通过上述2款Python库，就可以实现从页面到文本元数据的编辑，本文只是简单的介绍了每项的基本用法。关于详细的用法和函数列表，可以阅读官方文档，或者阅读GitHub上项目源码进行了解。此外，可以在这些基本的用法基础上进行发散思维，发掘更多有价值的应用场景，例如，提出文本数据之后调用翻译API进行文献翻译。也可以，对软件进行封装，开发成一款通用的PDF编辑工具。
20行Python代码就轻松解决了困扰很多同学已久的PDF编辑问题，可见Python的作用和价值是不可忽视的。
到此这篇关于20行Python代码实现一款永久免费PDF编辑工具的文章就介绍到这了,更多相关Python PDF编辑工具内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
