章节二：python使用PyPDF2和pdfplumber操作pdf
1、PyPDF2和pdfplumber库介绍
- PyPDF2官网：PyPDF2官网 （https://pythonhosted.org/PyPDF2/），可以更好的读取、写入、分割、合并PDF文件；
- pdfplumber官网：pdfplumber官网（https://github.com/jsvine/pdfplumber），可以更好地读取PDF文件内容和提取PDF中的表格；
- 这两个库不属于python标准库，都需要单独安装；
2、python提取PDF文字内容
1）利用pdfplumber提取文字
import PyPDF2
import pdfplumber
with pdfplumber.open("餐饮企业综合分析.pdf") as p:
page = p.pages[2]
print(page.extract_text())
结果如下：
2）利用pdfplumber提取表格并写入excel
- extract_table()：如果一页有一个表格；
- extract_tables()：如果一页有多个表格；
import PyPDF2
import pdfplumber
from openpyxl import Workbook
with pdfplumber.open("餐饮企业综合分析.pdf") as p:
page = p.pages[4]
table = page.extract_table()
print(table)
workbook = Workbook()
sheet = workbook.active
for row in table:
if not "".join() == ""
sheet.append(row)
workbook.save(filename = "新pdf.xlsx")
结果如下：
缺陷：可以看到，这里提取出来的表格有很多空行，怎么去掉这些空行呢？判断：将列表中每个元素都连接成一个字符串，如果还是一个空字符串那么肯定就是空行。
import PyPDF2
import pdfplumber
from openpyxl import Workbook
with pdfplumber.open("餐饮企业综合分析.pdf") as p:
page = p.pages[4]
table = page.extract_table()
print(table)
workbook = Workbook()
sheet = workbook.active
for row in table:
if not "".join([str(i) for i in row]) == "":
sheet.append(row)
workbook.save(filename = "新pdf.xlsx")
结果如下：
3、PDF合并及页面的排序和旋转
1）分割及合并pdf
① 合并pdf
首先，我们有如下几个文件，可以发现这里共有三个PDF文件需要我们合并。同时可以发现他们的文件名都是有规律的(如果文件名，没有先后顺序，我们合并起来就没有意义了。)
代码如下：
from PyPDF2 import PdfFileReader, PdfFileWriter
pdf_writer = PdfFileWriter()
for i in range(1,len(os.listdir(r"G:\6Tipdm\7python办公自动化\concat_pdf"))+1):
print(i*50+1,(i+1)*50)
pdf_reader = PdfFileReader("G:\\6Tipdm\\7python办公自动化\\concat_pdf\{}-{}.pdf".format(i*50+1,(i+1)*50))
for page in range(pdf_reader.getNumPages()):
pdf_writer.addPage(pdf_reader.getPage(page))
with open("G:\\6Tipdm\\7python办公自动化\\concat_pdf\merge.pdf", "wb") as out:
pdf_writer.write(out)
结果如下：
② 拆分pdf
这里有一个“时间序列.pdf”的文件，共3页，我们将其每一页存为一个PDF文件。
代码如下：
from PyPDF2 import PdfFileReader, PdfFileWriter
pdf_reader = PdfFileReader(
r"G:\6Tipdm\7python办公自动化\concat_pdf\时间序列.pdf")
for page in range(pdf_reader.getNumPages()):
pdf_writer = PdfFileWriter()
pdf_writer.addPage(pdf_reader.getPage(page))
with open(f"G:\\6Tipdm\\7python办公自动化\\concat_pdf\\{page}.pdf", "wb") as out:
pdf_writer.write(out)
结果如下：
2）旋转及排序pdf
① 旋转pdf
- .rotateClockwise(90的倍数)：顺时针旋转90度
- .rotateCounterClockwise(90的倍数)：逆时针旋转90度
from PyPDF2 import PdfFileReader, PdfFileWriter
pdf_reader = PdfFileReader(r"G:\6Tipdm\7python办公自动化\concat_pdf\时间序列.pdf")
pdf_writer = PdfFileWriter()
for page in range(pdf_reader.getNumPages()):
if page % 2 == 0:
rotation_page = pdf_reader.getPage(page).rotateCounterClockwise(90)
else:
rotation_page = pdf_reader.getPage(page).rotateClockwise(90)
pdf_writer.addPage(rotation_page)
with open("G:\\6Tipdm\\7python办公自动化\\concat_pdf\\旋转.pdf", "wb") as out:
pdf_writer.write(out)
"""
上述代码中，我们循环遍历了这个pdf，对于偶数页我们逆时针旋转90°，对于奇数页我们顺时针旋转90°；
注意：旋转的角度只能是90的倍数；
"""
其中一页效果展示如下：
② 排序pdf
需求：我们有一个PDF文件，我们需要倒序排列，应该怎么做呢？首先，我们来看python中，怎么倒叙打印一串数字，如下图所示。
那么倒序排列一个pdf，思路同上，代码如下：
from PyPDF2 import PdfFileReader, PdfFileWriter
pdf_reader = PdfFileReader(r"G:\6Tipdm\7python办公自动化\concat_pdf\时间序列.pdf")
pdf_writer = PdfFileWriter()
for page in range(pdf_reader.getNumPages()-1, -1, -1):
pdf_writer.addPage(pdf_reader.getPage(page))
with open("G:\\6Tipdm\\7python办公自动化\\concat_pdf\\倒序.pdf", "wb") as out:
pdf_writer.write(out)
结果如下：
4、pdf批量加水印及加密、解密
1）批量加水印
from PyPDF2 import PdfFileReader, PdfFileWriter
from copy import copy
water = PdfFileReader(r"G:\6Tipdm\7python办公自动化\concat_pdf\水印.pdf")
water_page = water.getPage(0)
pdf_reader = PdfFileReader(r"G:\6Tipdm\7python办公自动化\concat_pdf\aa.pdf")
pdf_writer = PdfFileWriter()
for page in range(pdf_reader.getNumPages()):
my_page = pdf_reader.getPage(page)
new_page = copy(water_page)
new_page.mergePage(my_page)
pdf_writer.addPage(new_page)
with open("G:\\6Tipdm\\7python办公自动化\\concat_pdf\\添加水印后的aa.pdf", "wb") as out:
pdf_writer.write(out)
"""
这里有一点需要注意：进行pdf合并的时候，我们希望“水印”在下面，文字在上面，因此是“水印”.mergePage(“图片页”)
"""
结果如下：
2）批量加密、解密
- 这里所说的“解密”，是在知道pdf的密码下，去打开pdf，而不是暴力破解；
① 加密pdf
from PyPDF2 import PdfFileReader, PdfFileWriter
pdf_reader = PdfFileReader(r"G:\6Tipdm\7python办公自动化\concat_pdf\时间序列.pdf")
pdf_writer = PdfFileWriter()
for page in range(pdf_reader.getNumPages()):
pdf_writer.addPage(pdf_reader.getPage(page))
# 添加密码
pdf_writer.encrypt("a123456")
with open("G:\\6Tipdm\\7python办公自动化\\concat_pdf\\时间序列.pdf", "wb") as out:
pdf_writer.write(out)
结果如下：
② 解密pdf并保存为未加密的pdf
from PyPDF2 import PdfFileReader, PdfFileWriter
pdf_reader = PdfFileReader(r"G:\6Tipdm\7python办公自动化\concat_pdf\时间序列.pdf")
# 解密pdf
pdf_reader.decrypt("a123456")
pdf_writer = PdfFileWriter()
for page in range(pdf_reader.getNumPages()):
pdf_writer.addPage(pdf_reader.getPage(page))
with open("G:\\6Tipdm\\7python办公自动化\\concat_pdf\\未加密的时间序列.pdf", "wb") as out:
pdf_writer.write(out)
结果如下：
