python自动化操作PDF,拆分pdf合并pdf,提取pdf内容

2024-09-02 00:12

本文主要是介绍python自动化操作PDF,拆分pdf合并pdf,提取pdf内容,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

第三方库介绍

Python 操作 PDF 会用到两个库,分别是:PyPDF2 和 pdfplumber。
        PyPDF2 可以更好的读取、写入、分割、合并PDF文件;
        pdfplumber 可以更好的读取 PDF 文件中内容和提取 PDF 中的表格,主要应用于机器生成的 PDF,而非扫描的PDF文档。

        由于这两个库都不是 Python 的标准库,所以在使用之前都需要单独安装,在终端中依次输入如下命令进行安装:
        pip install PyPDF2
        pip install pdfplumber
安装完成后显示 success 则表示安装成功。 

课程准备

资源文件解压后放置D:\自动化 文件夹下,最终资源路径为 D:\自动化\pdf ,内容分布如下图:

 

 为了保证学习的流畅性,请提前创建好相应的文件夹,将资源放置在相应位置。

 拆分PDF

        将一个完整的 PDF 拆分成几个小的 PDF,因为主要涉及到 PDF 整体的操作,需要用到 PyPDF2 这个库
拆分的大概思路如下:
          读取 PDF 的整体信息、总页数等
          按照页数每页拆分为一个PDF
          将小的文件块重新保存为新的 PDF 文件

代码如下:

'''拆分思路
读取pdf的整体信息,总页数等
按照页数每页拆分为一个pdf
将小的文件快重新保存为新的pdf文件'''
import os.path
from PyPDF2 import PdfReader,PdfWriterpdf_path = r"D:\自动化\第12讲.pdf"
out_dir = r"D:\自动化\拆分"if not os.path.exists(out_dir):os.makedirs(out_dir)# 获取 PdfFileReader 对象
pdf_reader = PdfReader(pdf_path)# 获取页面数量
page_count = len(pdf_reader.pages)for i in range(page_count):pdf_writer = PdfWriter()page = pdf_reader.pages[i]pdf_writer.add_page(page)out_path = os.path.join(out_dir, f"{i + 1}.pdf")#将页码从 0 开始改为从 1 开始(即 i + 1),以便文件名从 1.pdf 开始更符合常规。with open(out_path, "wb") as out:pdf_writer.write(out)

合并PDF 

比起拆分来,合并的思路更加简单:
                确定要合并的 文件顺序
                循环追加到一个文件块中
                保存成一个新的文件

代码如下: 

from PyPDF2 import PdfReader, PdfWriter
import ospdf_dir = r"D:\自动化\拆分"
out_path = r"D:\自动化\merge.pdf"# 列出所有的 PDF 文件
pdf_list = [f for f in os.listdir(pdf_dir) if f.endswith('.pdf')]print(pdf_list )
pdf_writer = PdfWriter()# 遍历所有 PDF 文件
for pdf_file in pdf_list:path = os.path.join(pdf_dir, pdf_file)pdf_reader = PdfReader(path)# 遍历 PDF 文件的每一页for page in pdf_reader.pages:pdf_writer.add_page(page)# 将合并后的 PDF 写入到输出文件
with open(out_path, "wb") as out:pdf_writer.write(out)

代码介绍:

 提取文字内容

涉及到具体的 PDF 内容操作需要用到 pdfplumber 这个库
在进行文字提取的时候,主要用到 extract_text() 这个函数

import pdfplumber
pdf_path = r"D:\自动化\道德经.pdf"
with pdfplumber.open(pdf_path) as pdf:#使用 pdfplumber.open 方法打开指定路径的 PDF 文件,并将其赋值给 pdf 变量。with 语句确保文件在操作完成后正确关闭。
# 读取所有内容for page in pdf.pages:print(page.extract_text())# 读取第一页的文字内容# page = pdf.pages[0]# print(page.extract_text())

这篇关于python自动化操作PDF,拆分pdf合并pdf,提取pdf内容的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1128445

相关文章

一文教你Python如何快速精准抓取网页数据

《一文教你Python如何快速精准抓取网页数据》这篇文章主要为大家详细介绍了如何利用Python实现快速精准抓取网页数据,文中的示例代码简洁易懂,具有一定的借鉴价值,有需要的小伙伴可以了解下... 目录1. 准备工作2. 基础爬虫实现3. 高级功能扩展3.1 抓取文章详情3.2 保存数据到文件4. 完整示例

使用Python实现IP地址和端口状态检测与监控

《使用Python实现IP地址和端口状态检测与监控》在网络运维和服务器管理中,IP地址和端口的可用性监控是保障业务连续性的基础需求,本文将带你用Python从零打造一个高可用IP监控系统,感兴趣的小伙... 目录概述:为什么需要IP监控系统使用步骤说明1. 环境准备2. 系统部署3. 核心功能配置系统效果展

基于Python打造一个智能单词管理神器

《基于Python打造一个智能单词管理神器》这篇文章主要为大家详细介绍了如何使用Python打造一个智能单词管理神器,从查询到导出的一站式解决,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 项目概述:为什么需要这个工具2. 环境搭建与快速入门2.1 环境要求2.2 首次运行配置3. 核心功能使用指

Python实现微信自动锁定工具

《Python实现微信自动锁定工具》在数字化办公时代,微信已成为职场沟通的重要工具,但临时离开时忘记锁屏可能导致敏感信息泄露,下面我们就来看看如何使用Python打造一个微信自动锁定工具吧... 目录引言:当微信隐私遇到自动化守护效果展示核心功能全景图技术亮点深度解析1. 无操作检测引擎2. 微信路径智能获

使用Java将各种数据写入Excel表格的操作示例

《使用Java将各种数据写入Excel表格的操作示例》在数据处理与管理领域,Excel凭借其强大的功能和广泛的应用,成为了数据存储与展示的重要工具,在Java开发过程中,常常需要将不同类型的数据,本文... 目录前言安装免费Java库1. 写入文本、或数值到 Excel单元格2. 写入数组到 Excel表格

Python中pywin32 常用窗口操作的实现

《Python中pywin32常用窗口操作的实现》本文主要介绍了Python中pywin32常用窗口操作的实现,pywin32主要的作用是供Python开发者快速调用WindowsAPI的一个... 目录获取窗口句柄获取最前端窗口句柄获取指定坐标处的窗口根据窗口的完整标题匹配获取句柄根据窗口的类别匹配获取句

利用Python打造一个Excel记账模板

《利用Python打造一个Excel记账模板》这篇文章主要为大家详细介绍了如何使用Python打造一个超实用的Excel记账模板,可以帮助大家高效管理财务,迈向财富自由之路,感兴趣的小伙伴快跟随小编一... 目录设置预算百分比超支标红预警记账模板功能介绍基础记账预算管理可视化分析摸鱼时间理财法碎片时间利用财

Python中的Walrus运算符分析示例详解

《Python中的Walrus运算符分析示例详解》Python中的Walrus运算符(:=)是Python3.8引入的一个新特性,允许在表达式中同时赋值和返回值,它的核心作用是减少重复计算,提升代码简... 目录1. 在循环中避免重复计算2. 在条件判断中同时赋值变量3. 在列表推导式或字典推导式中简化逻辑

python处理带有时区的日期和时间数据

《python处理带有时区的日期和时间数据》这篇文章主要为大家详细介绍了如何在Python中使用pytz库处理时区信息,包括获取当前UTC时间,转换为特定时区等,有需要的小伙伴可以参考一下... 目录时区基本信息python datetime使用timezonepandas处理时区数据知识延展时区基本信息

Python位移操作和位运算的实现示例

《Python位移操作和位运算的实现示例》本文主要介绍了Python位移操作和位运算的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 位移操作1.1 左移操作 (<<)1.2 右移操作 (>>)注意事项:2. 位运算2.1