使用Python通过字节串或字节数组加载和保存PDF文档

处理PDF文件的可以直接读取和写入文件系统中的PDF文件，然而，通过字节串（byte string）或字节数组（byte array）来加载和保存PDF文档在某些情况下更高效。这种方法不仅可以提高数据处理的灵活性，允许开发者在内存中直接操作PDF，而且还能增强安全性，同时方便跨应用传输和网络传输。
本文将介绍如何使用Python通过字节串或字节数组来加载和保存PDF文档。

本文所使用的方法需要用到Spire.PDF for Python，PyPI：pip install Spire.PDF。

创建PDF文档并保存为字节串或字节数组

我们可以使用库中的类和方法直接创建PDF文档，并将其保存到Stream对象。此对象可通过Stream.ToArray()方法转换为不可变的bytes对象进行操作。而bytes对象也可以直接转换为可变的bytearray对象，从而对文件进行字节层面的编辑或其他操作。以下是操作步骤：

1. 导入所需模块。
2. 创建PdfDocument对象。
3. 设置PDF页面，添加页面并绘制内容。
4. 使用PdfDocument.SaveToStream()方法将PDF文档保存到Stream对象。
5. 使用Stream.ToArray()方法将Stream对象转换为bytes对象。
6. 可使用bytes对象直接构建bytearray对象。
7. 接下来可以字节串或字节数组进行更多操作，如写入文件、传输等。

代码示例

from spire.pdf import *

# 创建PdfDocument类的一个实例
pdf = PdfDocument()

# 设置文档的页面大小和边距
pageSettings = pdf.PageSettings
pageSettings.Size = PdfPageSize.A4()
pageSettings.Margins.Top = 50
pageSettings.Margins.Bottom = 50
pageSettings.Margins.Left = 40
pageSettings.Margins.Right = 40

# 向文档添加一个新的页面
page = pdf.Pages.Add()

# 为文档内容创建字体和画笔
titleFont = PdfTrueTypeFont("HarmonyOS Sans SC", 16.0, PdfFontStyle.Bold, True)
titleBrush = PdfBrushes.get_Brown()
contentFont = PdfTrueTypeFont("HarmonyOS Sans SC", 13.0, PdfFontStyle.Regular, True)
contentBrush = PdfBrushes.get_Black()

# 在页面上绘制标题
titleText = "人工智能简介"
titleSize = titleFont.MeasureString(titleText)
page.Canvas.DrawString(titleText, titleFont, titleBrush, PointF(0.0, 30.0))

# 在页面上绘制正文文本
contentText = ("人工智能（AI）是计算机科学的一个分支，它旨在创造能够模拟人类智能行为的机器。这包括学习（通过经验改进自身）、推理（使用规则来达到近似或确定性的结论）、自我修正等特性。AI的应用范围广泛，从简单的任务自动化到复杂的决策支持系统均有涉及。")
# 设置正文文本的格式
contentFormat = PdfStringFormat()
contentFormat.Alignment = PdfTextAlignment.Justify
contentFormat.LineSpacing = 20.0
# 使用正文文本创建一个TextWidget对象并应用字符串格式
textWidget = PdfTextWidget(contentText, contentFont, contentBrush)
textWidget.StringFormat = contentFormat
# 创建一个TextLayout对象并设置布局选项
textLayout = PdfTextLayout()
textLayout.Layout = PdfLayoutType.Paginate
textLayout.Break = PdfLayoutBreakType.FitPage
# 在页面上绘制TextWidget
rect = RectangleF(PointF(0.0, titleSize.Height + 50.0), page.Canvas.ClientSize)
textWidget.Draw(page, rect, textLayout)

# 将PDF文档保存到一个Stream对象
pdfStream = Stream()
pdf.SaveToStream(pdfStream)

# 将Stream对象转换为bytes对象
pdfBytes = pdfStream.ToArray()

# 将Stream对象转换为bytearray对象
pdfBytearray = bytearray(pdfStream.ToArray())

# 将字节流写入文件
with open("output/AI简介.pdf", "wb") as f:
    f.write(pdfBytearray)

结果

从字节串或字节数组加载PDF文档进行操作

Stream类支持用bytes对象（或bytearray直接转换为bytes）直接构建实例。然后，我们可以使用PdfDocument.LoadFromStream()方法将Stream对象载入为PDF文档进行文档操作，如编辑、转换等。以下是操作步骤：

1. 导入所需模块。
2. 创建bytes对象或使用现有bytes对象，来构建Stream对象。
3. 创建PdfDocument对象。
4. 使用PdfDocument.LoadFromStream()方法将Stream对象载入为PDF文档。
5. 对文档进行操作，如提取页面文字。

代码示例

from spire.pdf import *

# 从PDF文件创建一个字节数组
with open("示例.pdf", "rb") as f:
    byteData = f.read()

# 从字节数组创建一个Stream对象
stream = Stream(byteData)

# 将Stream对象加载为PDF文档
pdf = PdfDocument(stream)

# 获取第一页的文字
page = pdf.Pages.get_Item(0)
textExtractor = PdfTextExtractor(page)
extractOptions = PdfTextExtractOptions()
extractOptions.IsExtractAllText = True
text = textExtractor.ExtractText(extractOptions)

# 打印文字
print(text)

结果

本文演示了如何使用Python通过字节串或字节数组加载或保存PDF文档。

更多PDF文档操作技巧请前往Spire.PDF for Python教程查看。

申请免费License