Python自动化办公系列之Python操作PDF

Python自动化办公系列之Python操作PDF_第1张图片

 本文是鉴于有些粉丝的工作需求,有时候需要遇到这些文件的处理。因此,我写了一个文章集合,供大家参考。全篇包括三个章节,分别为: Python使用openpyxl操作excel、 python使用PyPDF2和pdfplumber操作pdf 、 python使用python-docx操作word 。本篇为第二章节。

全文已整理为pdf,可按文末指引获取。

本章目录

章节二

python使用PyPDF2和pdfplumber操作pdf 

1、PyPDF2和pdfplumber库介绍

2、python提取PDF文字内容

1)利用pdfplumber提取文字

2)利用pdfplumber提取表格并写入excel

3、PDF合并及页面的排序和旋转

 1)分割及合并pdf

① 合并pdf

② 拆分pdf

 2)旋转及排序pdf

 ① 旋转pdf

② 排序pdf

4、pdf批量加水印及加密、解密

 1)批量加水印

2)批量加密、解密

① 加密pdf

② 解密pdf并保存为未加密的pdf 

上下滚动查看更多

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())
加python学习qq群:775690737  送python零基础入门学习资料+99个源码

结果如下:Python自动化办公系列之Python操作PDF_第2张图片

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")
加python学习qq群:775690737  送python零基础入门学习资料+99个源码

结果如下:Python自动化办公系列之Python操作PDF_第3张图片缺陷: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")
加python学习qq群:775690737  送python零基础入门学习资料+99个源码

结果如下:Python自动化办公系列之Python操作PDF_第4张图片

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)
加python学习qq群:775690737  送python零基础入门学习资料+99个源码

结果如下:Python自动化办公系列之Python操作PDF_第5张图片

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。Python自动化办公系列之Python操作PDF_第6张图片代码如下:

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)
加python学习qq群:775690737  送python零基础入门学习资料+99个源码

结果如下:Python自动化办公系列之Python操作PDF_第7张图片

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)
"""
加python学习qq群:775690737  送python零基础入门学习资料+99个源码0
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:Python自动化办公系列之Python操作PDF_第8张图片

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。Python自动化办公系列之Python操作PDF_第9张图片那么倒序排列一个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)
加python学习qq群:775690737  送python零基础入门学习资料+99个源码

结果如下:Python自动化办公系列之Python操作PDF_第10张图片

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”)
"""
加python学习qq群:775690737  送python零基础入门学习资料+99个源码

结果如下:Python自动化办公系列之Python操作PDF_第11张图片

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)  
加python学习qq群:775690737  送python零基础入门学习资料+99个源码

结果如下:Python自动化办公系列之Python操作PDF_第12张图片

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)  
加python学习qq群:775690737  送python零基础入门学习资料+99个源码

结果如下:Python自动化办公系列之Python操作PDF_第13张图片

Python自动化办公系列之Python操作PDF_第14张图片

 

你可能感兴趣的:(Python技巧,Python学习资料,Python,python,人工智能,数据分析)