PyPDF2 PDF处理库：Python操作PDF完全指南

Python处理PDF文件完全指南：PyPDF2库详解

PDF是电子文档中最流行的格式之一。然而，合并、拆分、加密或提取文本等操作需要可靠的工具。在Python生态中，PyPDF2是最受欢迎且稳定的PDF处理库之一。

PyPDF2让开发者能够读取、编辑和创建PDF文件，还能获取元数据、管理页面、添加保护甚至嵌入水印。无论是文档自动化还是与其他服务集成，它都是一个强大的工具。

什么是PyPDF2

PyPDF2是一个用于处理PDF文件的Python库，作为原始PyPDF库的改进版本开发。它提供高级API来读取、写入和修改PDF文档，无需理解PDF格式的内部结构。

核心功能

• 读取并提取PDF文件中的文本
• 合并多个PDF文档
• 将PDF拆分为单独页面
• 添加水印和页面叠加
• PDF文件加密与解密
• 文档元数据操作
• 页面旋转与缩放
• 书签和目录管理

安装PyPDF2

通过pip安装库：

pip install PyPDF2

为获得更稳定的运行，建议同时安装额外依赖：

pip install PyPDF2[crypto]

核心类与组件

PdfReader

PdfReader类用于读取PDF文件，提供对页面、元数据和其他文档信息的访问。

PdfWriter

PdfWriter类用于创建新的PDF文件或修改现有文件，支持添加页面、应用加密和修改元数据。

PdfMerger

PdfMerger类专门用于将多个PDF文件合并为一个文档，并可自定义页面顺序。

PDF基础操作

读取PDF文件

from PyPDF2 import PdfReader

# 加载PDF文件
reader = PdfReader("example.pdf")

# 获取页数
print(f"总页数: {len(reader.pages)}")

# 提取第一页文本
first_page = reader.pages[0]
text = first_page.extract_text()
print(text)

提取所有页面文本

from PyPDF2 import PdfReader

reader = PdfReader("example.pdf")
full_text = ""

for page_num, page in enumerate(reader.pages):
    text = page.extract_text()
    full_text += f"--- 第 {page_num + 1} 页 ---\n{text}\n\n"

print(full_text)

检查文档信息

from PyPDF2 import PdfReader

reader = PdfReader("example.pdf")

# 检查是否加密
if reader.is_encrypted:
    print("文件已加密")
else:
    print("文件未加密")

# 获取第一页尺寸
page = reader.pages[0]
print(f"页面尺寸: {page.mediabox}")
print(f"旋转角度: {page.rotation} 度")

合并PDF文件

简单合并

from PyPDF2 import PdfMerger

merger = PdfMerger()

# 添加文件
merger.append("file1.pdf")
merger.append("file2.pdf")
merger.append("file3.pdf")

# 保存结果
merger.write("merged_document.pdf")
merger.close()

指定页码范围合并

from PyPDF2 import PdfMerger

merger = PdfMerger()