Python处理PDF和Word文档常用的方法

Posted 2021-02-14 漂在远方

         Python处理PDF和Word文档的模块是PyPDF2，使用之前需要先导入。

打开一个PDF文档的操作顺序是：用open()函数打开文件并用一个变量来接收，然后把变量给传递给PdfFileReader对象，形成一个PdfFileReader对象，这样用PdfFileReader对象下面的各种方法、属性去操作PDF文档。

          PdfFileReader对象常用方法：

(1)、PyPDF2.PdfFileReader()方法：代表一个PdfFileReader对象。

(2)、getPage() 方法：获取FDF文档页数；

(3)、extractText()方法：获取当前PDF文档当前页面的文本内容。

(4)、decrypt()方法：用来给加密的PDF文档接收密码；

 

PdfFileReader对象常用属性：

（1）、pdfReader.numPages 属性：获取当前文档对象总页数。

（2）、 isEncrypted 属性：用于判断PDF文档是否是加密的，如果是加密的，返回True，否则返回False.

例如：

>>> import PyPDF2
>>> pdfFileObj = open(‘meetingminutes.pdf‘, ‘rb‘)
>>> pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
? >>> pdfReader.numPages
19
? >>> pageObj = pdfReader.getPage(0)
? >>> pageObj.extractText()

 

 PdfFileWriter 对象

操作顺序：

1．打开一个或多个已有的 PDF（源 PDF） ，得到 PdfFileReader 对象。
2．创建一个新的 PdfFileWriter 对象。
3．将页面从 PdfFileReader 对象拷贝到 PdfFileWriter 对象中。
4．最后，利用 PdfFileWriter 对象写入输出的 PDF。

 

PdfFileWriter 对象常用方法：

addPage()方法：将源PDF文档页面添加到新的PDF文档里面（复制）。

write()方法：将PdfFileWriter 对象保存的信息写入到变量（文件）中。

例如：

import  PyPDF2
minutesFile=open(‘meetingminutes.pdf‘,‘rb‘)
pdfReader=PyPDF2.PdfFileReader(minutesFile)
page=pdfReader.getPage(0)
print(page.rotateClockwise(90))
pdfWriter=PyPDF2.PdfFileWriter()    ###创建一个PdfFileWriter()对象；
pdfWriter.addPage(page)          ##把复制的源PDF的page页面添加到新的PdfFileWriter() 对象中；
pdfoutFile=open(‘rotatedPage.pdf‘,‘wb‘)      ###打开一个名为“rotatedPage.pdf”的文档（没有则新建），然后用一个pdfoutFile变量来接收它。
pdfWriter.write(pdfoutFile)            ####用PdfFileWriter()对象的write方法写入到变量中；
pdfoutFile.close()
minutesFile.close()