网站建设头部代码,公司请人做的网站 域名属于谁,怎么使用织梦做网站,深圳市8号公告最新消息PDF#xff08;Portable Document Format#xff09;#xff0c;中文名称便携文档格式是我们经常会接触到的一种文件格式#xff0c;文献、文档…很多都是PDF格式。它以格式稳定的优势#xff0c;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P…PDFPortable Document Format中文名称便携文档格式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。PyPDF2PyPDF2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, PdfFileReaderoutput PdfFileWriter() // 1
input1 PdfFileReader(open(example.pdf, rb)) // 2def delete_pdf(index):pages input1.getNumPages() // 3for i in range(pages):if i1 in index:continueoutput.addPage(input1.getPage(i)) // 4outputStream open(PyPDF2-output.pdf, wb)output.write(outputStream) // 5delete_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, PdfFileReaderoutput PdfFileWriter()
input1 PdfFileReader(open(example.pdf, rb))
input2 PdfFileReader(open(simple2.pdf, rb)) // 1def merge_pdf(add_index, origin_index):pages input1.getNumPages()k 0for i in range(pages):if i1 in add_index:output.addPage(input2.getPage(origin_index[k])) // 2pages 1k 1output.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 // 1merger PdfFileMerger()input1 open(document1.pdf, rb) // 2
input2 open(document2.pdf, rb)
input3 open(document3.pdf, rb)merger.append(fileobj input1, pages (0,3)) // 3merger.merge(position 2, fileobj input2, pages (0,1)) // 4merger.append(input3) // 5output 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TxTpdfminer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。
参考链接https://www.zhihu.com/question/31586273
