PDF（Portable Document Format），中文名稱便攜文檔格式是我們經常會接觸到的一種文件格式，文獻、文檔...很多都是PDF格式。它以格式穩定的優勢，使得我們在打印、分享、傳輸過程中能夠最優的保持原有色彩和格式。

PDF是以PostScript語言圖像模型為基礎的一種文檔格式，它在格式的穩定性方面雖然具有很大優勢。但是，在可編輯性方面卻為使用者引入了另外一個困擾。

例如，在文檔的分割、合并、剪切、轉換、編輯等方面PDF就有些捉襟見肘了。

Adobe Reader、福昕閱讀器、熊貓PDF...經常用到的PDF工具只能用于文檔閱讀，但是免費版都不可以用于文檔編輯。雖然，網頁版PDF工具，例如SmallPDF、I love PDF可以用于PDF的編輯，但是對于文檔大小也有限制。

曾經，為了替換PDF中的一頁，我幾乎試遍了所有市面上主流的PDF工具，最終還是不得不選擇使用付費工具來解決問題。

事后想了想，既然這些商業化軟件不靠譜，為什么不考慮自己動手開發一款工具呢？明明幾十行代碼能夠解決的問題，為什么要費那么多勁去下載、安裝那些沒有節操的軟件呢？

本文就來介紹一下利用Python輕松開發一款PDF編輯工具，可以用于PDF轉TxT、分割、合并、剪切、轉換。

PyPDF2

PyPDF2是一個第三方的python PDF庫，它能夠對PDF文件進行分割、合并、裁剪和轉換頁面。

另外，它還可以對PDF文件添加自定義數據、水印、密碼，也可以從PDF文件中檢索出文本和元數據。

安裝

使用pip直接安裝：

$ pip install PyPDF2

下面就來演示幾項PDF編輯功能，并且會逐行解釋代碼的含義。

刪除PDF頁

先給出實現代碼，

from PyPDF2 import PdfFileWriter, PdfFileReaderoutput = PdfFileWriter() // 1input1 = PdfFileReader(open('example.pdf', 'rb')) // 2def 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) // 5delete_pdf([2,3,4])

下面來解釋一下代碼中的幾個關鍵點：

聲明一個用于輸出PDF的實例； 讀取本地PDF文件； 獲取PDF文檔的頁數； 讀取PDF的第i頁，添加到輸出output實例中； 把編輯后的文檔保存到本地；

合并PDF

已經實現了刪除PDF頁，接下來就看一下如何把另外一個PDF中的頁面合并到當前PDF中。

方法1：

可以沿著前面刪除PDF頁的方式進行拓展一下，對PDF進行合并。

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 = 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])

讀取需要合并的源文件；

遍歷到指定頁，合并源PDF的頁面；

方法2：

除了方法1，還有另外一種方法可以合并PDF：

from PyPDF2 import PdfFileMerger // 1merger = PdfFileMerger()input1 = open('document1.pdf', 'rb') // 2input2 = 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) 導入PyPDF2合并模塊PdfFileMerger; 讀取需要處理和合并的PDF文檔； 從第一個PDF文檔中取出需要合并的前3頁； 把第二個PDF文檔的第一頁插入到文檔中； 把第三個PDF文檔附到輸出文檔末尾；

除了上述介紹的2項主要功能，PyPDF2也有一些其他小功能：

旋轉

input1.getPage(1).rotateClockwise(90)

使得頁面1旋轉90度。

添加水印

page = input1.getPage(3)watermark = PdfFileReader(open('watermark.pdf', 'rb'))page.mergePage(watermark.getPage(0))

其中，水印存儲在另外一個PDF文檔watermark.pdf中。

加密

password = 'secret'output.encrypt(password)

首先給一個secret密碼，然后使用encrypt對輸出文檔進行加密。

pdfminer

前面介紹的PyPDF2主要擅長于PDF頁面級編輯，而對于文本和源數據級別編輯能力較弱。

所以，這里就來介紹另外一款Python庫來彌補它的不足。

PDFMiner是一個PDF文檔的文本提取工具，它具有如下特性：

能夠準確獲取文本的位置和布局信息； 可以將PDF轉換為HTML/XML等格式； 可以提取目錄； 可以提取標簽內容； 支持各種字體類型（Type1、TrueType、Type3和CID）; 支持中、日、韓語言和垂直書寫文本;

安裝

$ pip install pdfminer

PDF轉TxT

pdfminer在GitHub的托管項目中，在目錄tools下給出了一些實用的工具集，例如，PDF轉HTML、PDF轉HTML、PDF轉TXT。我們可以直接通過使用下面命令提出PDF文檔中的文本信息。

$ pdf2txt.py samples/simple1.pdf

總結

通過上述2款Python庫，就可以實現從頁面到文本元數據的編輯，本文只是簡單的介紹了每項的基本用法。關于詳細的用法和函數列表，可以閱讀官方文檔，或者閱讀GitHub上項目源碼進行了解。此外，可以在這些基本的用法基礎上進行發散思維，發掘更多有價值的應用場景，例如，提出文本數據之后調用翻譯API進行文獻翻譯。也可以，對軟件進行封裝，開發成一款通用的PDF編輯工具。

到此這篇關于20行Python代碼實現一款永久免費PDF編輯工具的實現的文章就介紹到這了,更多相關Python 免費PDF編輯工具內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！