最全总结！聊聊 Python 操作PDF的几种方法
作者 | 陈熹
来源 | 早起Python
前言
本文主要涉及：
os 模块综合应用
glob 模块综合应用
PyPDF2 模块操作
基本操作
PyPDF2 导入模块的代码常常是：
from PyPDF2 import PdfFileReader, PdfFileWriter
这里导入了两个方法：
PdfFileReader 可以理解为读取器
PdfFileWriter可以理解为写入器
接下来通过几个案例进一步认识这两个工具的奇妙之处，用到的示例文件是5个发票的pdf
每个发票的PDF都由两页组成：
合并
第一个工作是将5个发票pdf合并成10页。这里读取器和写入器应该怎么配合呢？
逻辑如下：
读取器将所有pdf读取一遍
读取器将读取的内容交给写入器
写入器统一输出到一个新pdf
这里还有一个重要的知识点：读取器只能将读取的内容一页一页交给写入器。
因此，逻辑中第1步和第2步实际上不是彼此独立的步骤，而是读取器读取完一个pdf后，就将这个pdf全部页循环一遍，挨页交给写入器。最后等读取工作全部结束后再输出。
看一下代码可以让思路更清楚：
from PyPDF2 import PdfFileReader, PdfFileWriterpath = r'C:\Users\xxxxxx'pdf_writer = PdfFileWriter()for i in range(1, 6): pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))for page in range(pdf_reader.getNumPages()): pdf_writer.addPage(pdf_reader.getPage(page))with open(path + r'\合并PDF\merge.pdf', 'wb') as out: pdf_writer.write(out)
由于全部内容都需要交给同一个写入器最后一起输出，所以写入器的初始化一定是在循环体之外的.
如果在循环体内则会变成每次访问读取一个pdf就生成一个新的写入器，这样每一个读取器交给写入器的内容就会被反复覆盖，无法实现我们的合并需求!
循环体开头的代码：
for i in range(1, 6): pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))
目的就是每次循环读取一个新的pdf文件交给读取器进行后续操作。实际上这种写法不是很提倡，由于各pdf命名恰好很规则，所以可以直接人为指定数字进行循环。更好的方法是用 glob 模块：
import globfor file in glob.glob(path + '/*.pdf'): pdf_reader = PdfFileReader(path)
代码中 pdf_reader.getNumPages(): 能够获取读取器的页数，配合range就能遍历读取器的所有页。
pdf_writer.addPage(pdf_reader.getPage(page))能够将当前页交给写入器。
最后，用with新建一个pdf并由写入器的 pdf_writer.write(out)方法输出即可
拆分
如果明白了合并操作中读取器和写入器的配合，那么拆分就很好理解了，这里我们以拆分INV1.pdf为2个单独的pdf文档为例，同样也先来捋一捋逻辑：
读取器读取PDF文档
读取器一页一页交给写入器
写入器每获取一页就立即输出
通过这个代码逻辑我们也可以明白，写入器初始化和输出的位置一定都在读取PDF循环每一页的循环体内，而不是在循环体外
代码很简单：
from PyPDF2 import PdfFileReader, PdfFileWriterpath = r'C:\Users\xxx'pdf_reader = PdfFileReader(path + '\INV1.pdf')for page in range(pdf_reader.getNumPages()):# 遍历到每一页挨个生成写入器 pdf_writer = PdfFileWriter() pdf_writer.addPage(pdf_reader.getPage(page))# 写入器被添加一页后立即输出产生pdfwith open(path + '\INV1-{}.pdf'.format(page + 1), 'wb') as out: pdf_writer.write(out)
水印
本次的工作是将下图作为水印添加到INV1.pdf中
首先是准备工作，将需要作为水印的图片插入word中调整合适位置后保存为PDF文件。然后就可以码代码了，需要额外用到copy模块，具体解释见下图：
就是把读取器和写入器初始化，并且把水印PDF页先读取好备用,核心代码稍微比较难理解：
加水印本质上就是把水印PDF页和需要加水印的每一页都合并一遍
由于需要加水印的PDF可能有很多页，而水印PDF只有一页，因此如果直接把水印PDF拿来合并，可以抽象理解成加完第一页，水印PDF页就没有了。
因此不能直接拿来合并，而要把水印PDF页不断copy出来成新的一页备用new_page，再运用.mergePage方法完成跟每一页合并，把合并后的页交给写入器待最后统一输出!
关于.mergePage的使用：出现在下面的页.mergePage(出现在上面的页)，最后效果如图：
加密
加密很简单，只需要记住：「加密是针对写入器加密」
因此只需要在相关操作完成后调用pdf_writer.encrypt(密码)
以单个PDF的加密为例：
当然除了对PDF的合并、拆分、加密、水印，我们还可以使用Python结合Excel和Word实现更多的自动化需求，这些就留给读者自己开发。
更多精彩推荐
首次在手机端不牺牲准确率实现BERT实时推理，比TensorFlow-Lite快近8倍，每帧只需45ms
Python让你成为AI 绘画大师，简直太惊艳了！（附代码））
关于Python 3.9，那些你不知道的事
腾讯回应 Wecom 是企业微信海外版；美国地方法院紧急叫停微信禁令；Vue 3 发布 | 极客头条
曾是谷歌程序员，抛下百万年薪创业，4 年成就 7 亿用户，今身价百亿！
相关文章：
three.js（六） 地形法向量生成
2019独角兽企业重金招聘Python工程师标准>>> 上一节采用 分形算法生成地形的高度值， 接着我们需要生成每个顶点的法向量。 three.js 的PlaneGeometry 自带有法向量， 法向量分为两种 即 平面法向量 和 平面每个定点法向量。 因此一个n*n 块组成…
ASP.NET中使用多个runat=server form
作者：未知ASP.NET 在同一个页面不支持多个 runatserver forms，要解决这个问题，可以把每个 form 放在一个单独的 panel 控件中，这样用户就可以简单地通过单选按钮在不同 panel 间切换。代码如下：2FormExample.aspx<%…
激发企业大“智慧” | 深度赋能AI全场景 揭秘你不知道的移动云
2020年是人工智能技术发展的关键年。疫情之下，世界见证了人工智能在抗击疫情中发挥的积极作用；今年4月，国家发改委正式将人工智能确定为新基建的重要领域之一。在历史机遇下，AI已实现"质变和量变"，正迈入与技…
ExtJS 4.x 得到资源树上任意的节点对象
上半年做ExtJS 4.x 的时候，遇到过对资源树操作的情况： Ext.tree.Panel 如下图：目的： 直接根据每个节点的{任意key : 对应value}，就能找到匹配的节点对象 代码如下： refs : [ { selector : rtree, …
【转载】mysql常用函数汇总
转载地址：http://www.jb51.net/article/40179.htm 一、数学函数ABS(x) 返回x的绝对值BIN(x) 返回x的二进制（OCT返回八进制，HEX返回十六进制）CEILING(x) 返回大于x的最小整数值EXP(x) 返回值e（自然对数的底&…
有关java的一些话
2019独角兽企业重金招聘Python工程师标准>>> 跟着做完TankWar，java才算是入门了，真正学习java从看尚学堂马士兵老师的视频开始，至今三个月已过，感谢马老师的精彩讲解，您才是我真正的java入门老师࿰…
ADO.NET 2.0中的SqlCommand.ExecutePageReader
http://blog.joycode.com/liuhuimiao/在.NET 2.0 PDC或Beta1中，可以看到SqlCommand对象新增了个ExecutePageReader方法，该方法实现了分页读取数据的功能。对于分页读取数据，在ADO.NET1.1中（当然2.0也适合）一般常用动态…
组合游戏系列5: 井字棋、五子棋AlphaGo Zero 算法实战
来源 | MyEncyclopedia上一篇我们从原理层面解析了AlphaGo Zero如何改进MCTS算法，通过不断自我对弈，最终实现从零棋力开始训练直至能够打败任何高手。在本篇中，我们在已有的N子棋OpenAI Gym 环境中用Pytorch实现一个简化版的AlphaGo Zero算法…
2020职场人裸辞三大原因：不开心、工资低、没有盼头
近期，脉脉发布了《2020职场人裸辞现状调研报道》，报道显示2020最让职场人想裸辞的三大原因为：不开心、工资低、没有盼头。报告数据中还显示，工资不满预期是最让人想要裸辞的主要原因，但有超过6成职场人表示，…
Oracle PL/SQL编程学习笔记：Merge方法的使用
Oracle11g的Merge很强大！ 1 create or replace procedure BRANCE_REPORT_MERGE is2 3 begin4 Merge into BRANCHREPORT desttable5 using TEMP_BRANCHREPORT tmptable6 on (desttable.SENDER_IDtmptable.SENDER_ID and desttable.BRANCH_IDtmptable.BRANCH_ID…
2.0中获取数据库连接统计数据
作者： http://blog.joycode.com/liuhuimiao/.NET 2.0中的SqlConnection多了一个StatisticsEnabled属性和ResetStatistics()、RetrieveStatistics()两个方法，用于获取SQLServer的连接统计数据。当然，这样做是以性能损耗为代价的，但…
Python学习day5作业-ATM和购物商城
Python学习day5作业Python学习day5作业ATM和购物商城作业需求ATM：指定最大透支额度可取款定期还款（每月指定日期还款，如15号）可存款定期出账单支持多用户登陆，用户间转帐支持多用户管理员可添加账户、指定用户额度、冻…
60分钟看懂HMM的基本原理
作者 | 梁云1991来源 | Python与算法之美HMM模型，韩梅梅的中文拼音的缩写，所以又叫韩梅梅模型，由于这个模型的作者是韩梅梅的粉丝，所以给这个模型取名为HMM。开玩笑！HMM模型，也叫做隐马尔科夫模型ÿ…
获取远程网卡MAC地址
出自： http://blog.joycode.com/liuhuimiao/朋友mingal急问我有关获取远程网卡MAC地址的ASP.net实现。我一开始以为是获取本机MAC地址，说了几种方法给他。由于他还需要获取服务器（本机）相关信息，如硬盘序列号、CPU信息…
[hadoop源码阅读][9]-mapreduce-概论
hadoop的mapreduce的运行流程大概就是如下图所示了 如果要是文字描述,估计要大篇幅了,大家可以参考下面的参考文档. 参考文档 1.http://caibinbupt.iteye.com/blog/336467 2.http://hadoop.apache.org/docs/r0.19.2/cn/mapred_tutorial.html 3.http://developer.yahoo.com/hado…
【小白的CFD之旅】小结及预告
这是小白系列的索引，后续会继续更新。 已更新的部分 01 引子02 江小白03 老蓝04 任务05 补充基础06 流体力学基础07 CFD常识08 CFD速成之道09 初识FLUENT10 敲门实例11 敲门实例【续】12 敲门实例【续2】13 敲门实例【续3】14 实例反思15 四种境界16 流程17 需要编程…
Kaggle金牌得主的Python数据挖掘框架，机器学习基本流程都讲清楚了
作者 | 刘早起来源 | 早起Python导语：很多同学在学习机器学习时往往掉进了不停看书、刷视频的，但缺少实际项目训练的坑，有时想去练习却又找不到一个足够完整的教程，本项目翻译自kaggle入门项目Titanic金牌获得者的Kernelÿ…
input type右对齐与只读的
右对齐的 <input type"text" style"background:#efefef; text-align:right" readonly value"this" /> 只读的input <input type"text" name"nodeCode" readonly value"<%functionNodeForm.getNodeCode()%…
如何从sdcard读取文件
2019独角兽企业重金招聘Python工程师标准>>> 首先，我们必须明白文件储存格式是有许多种的，如utf-8,unicode等。 那么，我们如何将文件原封不动的读取出来呢，我们可以设定，文件储存的绝对路径为filepath。则代…
HDU 2034 人见人爱A-B
人见人爱A-B Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 65536/32768 K (Java/Others)Total Submission(s): 77157 Accepted Submission(s): 21509 Problem Description参加过上个月月赛的同学一定还记得其中的一个最简单的题目，就是{A}{B}&#…
Java中的包，类的导入，静态导入
包的作用 1. 为了更好的组织代码，能够将自己的代码与代码库的代码分离。 2. 在需要合作完成的工作中，可以使用分包的方式来尽量的减少类命名的冲突。 Sun公司推荐程序员使用公司域名的反向字符作为公司项目的起始包名：如 baidu.com --> c…
实现800*600,1024*768两套分辨率方案
下面这段代码，可以实现800*600,1024*768两套分辨率方案。 <html><head><title>Untitled Document</title><script language"javascript">function go(){var myWidthscreen.widthif (myWidth>800){window.location.repl…
倒计时 4 天！高通人工智能应用创新大赛颁奖典礼线上隆重举行
经过7 个月的激烈角逐，由高通公司（Qualcomm）、中国智谷重庆经开区、CSDN、Testin云测、OPPO、极视角、中科创达、创业邦联合主办，重庆经开区高通中国中科创达联合创新中心协办，TensorFlow Lite 作为开源技术合作伙伴的…
IOS分享扩展使用JS脚本
2019独角兽企业重金招聘Python工程师标准>>> 实现一个分享扩展插件，功能是从Safari网页中截取当前网页的图片内容 基本的步骤总结在下面： 1.创建一个JS文件，命名为MyJavascriptFile.js，文件的功能是解析safari网页内容…
电脑人会得哪些病----------关注健康，关爱生命！
作者：未知 随着科技水平的提高，现代办公室综合症，特别是高科技病渐渐成为现代职业病。电脑可以说是本世纪最伟大的发明之一，有了它，人们工作、生活、学习的方式都出现了划时代的改变，随着网络与电脑的普及&…
IOS上传图片的方法
下面是图片上传的方法：-(void)loadImage:(NSString*)aurl{NSData *imageData;NSMutableData *postBody;NSString *stringBoundary, *contentType;NSURL *url [NSURL URLWithString:aurl]; //将字符串转换为NSURL格式NSArray *paths…
企业数字化转型，AI平台能力建设是关键
企业数字化转型迎来一波又一波热潮。 IDC研究数据显示，目前中国已有41.4%的企业成为数字化转型的坚定者，到2023年，全球超过一半的GDP将由数字化转型企业的产品和服务推动。 加速数字化转型、让业务智能化，许多行业均认可这是全面…
CSS中连接属性的排序
在CSS超链接的属性中，有四个连接方式: a:link a:hover a:visited a:acticve 之前在使用的时候一直是按照自认为的顺序中去写的，就是 L H V A的排序方式，然而有些时候却发现并不起作用了，查找了一些资料，也上网查找了一…
Spring源代码解析（十）：Spring Acegi框架授权的实现
我们从FilterSecurityInterceptor我们从入手看看怎样进行授权的： Java代码 //这里是拦截器拦截HTTP请求的入口 public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain) throws IOException, ServletException …
可租赁、可定制的虚拟人居然还能这么玩？9月25日来百度大脑人像特效专场一探究竟！...
百度大脑自2016年启动开放以来，已打造成为业内最全面、最领先的AI开放平台，服务规模、调用量都居于业界第一。百度大脑开放日于2019年开办，覆盖北/上/深等地区，成为众多AI开发者、合作伙伴近距离沟通及深度交流，一起分…