最後更新: 2025年1月29日

標題 - 用 Python 處理 PDF 文件

在本文中，我們將指導您如何使用 Python 處理 PDF 文件。為此，我們將使用 pypdf 庫。

使用 pypdf 庫，我們將演示如何在 Python 中執行以下操作：

  • 從 PDF 中提取文本
  • 旋轉 PDF 頁面
  • 合併多個 PDF
  • 將 PDF 拆分為單獨文件
  • 向 PDF 頁面添加水印

注意：本文涵蓋了許多有價值的細節，因此隨時跳至您最感興趣的部分！內容組織便於導航，以便您可以快速專注於最相關的內容。

插圖 - 用 Python 處理 PDF 文件

範例代碼

您可以從以下鏈接下載本文中使用的所有範例代碼。它包含代碼、輸入文件和輸出文件。

安裝 pypdf

要安裝 pypdf，只需在終端或命令提示符中運行以下命令：

pip install pypdf

注意：上述命令對大小寫敏感。

1. 使用 Python 從 PDF 文件中提取文本

代碼解釋

1. 創建 PDF 讀取器對象

reader = PdfReader(pdf_file)
  • PdfReader(pdf_file) 將 PDF 文件加載到 讀取器對象中。
  • 這個對象允許訪問頁面及其內容。

2. 遍歷頁面

for page_number, page in enumerate(reader.pages, start=1):
  • reader.pages 返回 PDF 中頁面的列表。
  • enumerate(..., start=1) 為頁面分配從 1 開始的頁碼。

3. 列印提取的文本

    print(f"Page {page_number}:")
    print(page.extract_text())
    print("-" * 50)  # 分隔線以提高可讀性
  • page.extract_text() 從當前頁面提取文本內容。
  • 腳本列印提取的文本以及頁碼。
  • "-" * 50 列印分隔線（--------------------------------------------------），以提高可讀性。

代碼使用的輸入 PDF 文件

代碼的輸出

2. 使用 Python 旋轉 PDF 頁面

代碼解釋

代碼基本上將第一頁旋轉90° 順時針，並保存修改後的 PDF 而不影響其他頁面。

1. 導入所需的類

from pypdf import PdfReader, PdfWriter
  • PdfReader: 用於讀取輸入 PDF。
  • PdfWriter: 用於創建具有更改的新 PDF。

2. 定義輸入和輸出文件路徑

input_pdf = "pdf-to-rotate/input.pdf"
output_pdf = "pdf-to-rotate/rotated_output.pdf"
  • 腳本從 input.pdf 讀取並將修改後的文件保存為 rotated_output.pdf。

3. 讀取 PDF 並創建寫入器對象

reader = PdfReader(input_pdf)
writer = PdfWriter()
  • reader 加載現有的 PDF。
  • writer 用於存儲被修改的頁面。

4. 將第一頁旋轉 90 度

page = reader.pages[0]
page.rotate(90)  # 順時針旋轉 90 度
writer.add_page(page)
  • 提取第 1 頁，將其旋轉90 度，並將其添加到新 PDF。

5. 添加其餘頁面而不進行更改

for i in range(1, len(reader.pages)):
    writer.add_page(reader.pages[i])
  • 遍歷其餘頁面並按原樣添加它們。

6. 保存新 PDF

with open(output_pdf, "wb") as file:
    writer.write(file)
  • 以寫入二進制模式打開 rotated_output.pdf 並保存新 PDF。

7. 列印確認

print(f"Rotated page saved to {output_pdf}")
  • 顯示成功消息。

代碼中使用的輸入 PDF 及其旋轉輸出

截圖 使用 Python 旋轉 PDF 頁面的截屏

3. 使用 Python 合併 PDF 文件

此 Python 腳本演示如何使用 PyPDF 庫將目錄中的多個 PDF 文件合併為一個 PDF。

代碼解釋

  • 此腳本自動合併指定目錄 (pdfs-to-merge) 中的所有 PDF 文件，生成單個輸出文件 (merged_output.pdf)。
  • 它確保輸出目錄存在，並按文件的排序順序添加每個 PDF 的頁面。
  • 最終的合併文件將輸出到 output-dir 子目錄中。

代碼解析

1. 導入庫

import os
from pypdf import PdfReader, PdfWriter
  • os: 用於與文件系統交互，例如讀取目錄和管理文件路徑。
  • PdfReader: 用於讀取 PDF 文件的內容。
  • PdfWriter: 用於創建和寫入新 PDF 文件。

2. 定義目錄和輸出文件

directory = "pdfs-to-merge"
output_file = "output-dir/merged_output.pdf"
  • directory: 指定存儲 PDF 文件的文件夾。
  • output_file: 定義合併 PDF 的輸出路徑和名稱。

3. 如果不存在則創建輸出目錄

os.makedirs(os.path.join(directory, "output-dir"), exist_ok=True)
  • 確保輸出目錄存在，如果不存在則創建它。

4. 創建 PdfWriter 對象

writer = PdfWriter()
  • writer 用於收集和組合來自 PDF 的所有頁面。

5. 遍歷目錄中的所有 PDF 文件

for file_name in sorted(os.listdir(directory)):
    if file_name.endswith(".pdf"):
        file_path = os.path.join(directory, file_name)
        print(f"Adding: {file_name}")
  • 此循環遍歷指定目錄中的所有文件，檢查具有 .pdf 擴展名的文件。使用 sorted() 以字母順序處理它們。

6. 讀取每個 PDF 並將頁面附加到寫入器

reader = PdfReader(file_path)
writer.append(reader)
  • 對於每個 PDF，PdfReader 讀取文件，然後該 PDF 的所有頁面都附加到 writer。

7. 寫入合併的 PDF 到輸出文件

output_path = os.path.join(directory, output_file)
with open(output_path, "wb") as output_pdf:
    writer.write(output_pdf)
  • 收集所有頁面後，writer.write() 將合併的 PDF 寫入指定的輸出路徑。

8. 列印確認

print(f"Merged PDF saved as: {output_path}")
  • 列印成功消息確認保存的合併 PDF 的位置。

代碼中使用的輸入 PDF 文件和合併輸出 PDF

4. 使用 Python 拆分 PDF

代碼解釋

上面的 Python 腳本使用 PyPDF 庫將 PDF 拆分為單獨的頁面。它首先確保輸出目錄存在，然後讀取輸入 PDF 文件。腳本遍歷每頁，創建一個新的 PdfWriter 對象，並將每頁保存為單獨的 PDF 文件。輸出文件按順序命名（例如，page_1.pdf, page_2.pdf）並存儲在 output-dir 文件夾中。最後，它為每個創建的文件列印確認消息並通知過程完成。

代碼中使用的輸入 PDF 和拆分的輸出文件

5. 使用 Python 向 PDF 添加水印

您可以使用 PyPDF 庫通過將水印 PDF 叠加到現有 PDF 上來添加水印。確保水印 PDF 僅具有一頁，以便其正確應用於主 PDF 的每一頁。

代碼解釋

上述 Python 腳本讀取輸入 PDF，提取一頁的水印 PDF，將水印覆蓋在輸入 PDF 的每一頁上，並保存最終的加水印 PDF。

代碼解析

以下是每個部分的簡要解釋：

1. 導入必要的類

from pypdf import PdfReader, PdfWriter
  • PdfReader 用於讀取現有的 PDF。
  • PdfWriter 用於創建和寫入新 PDF。

2. 定義文件路徑

input_pdf = "pdf-to-watermark/input.pdf"
watermark_pdf = "pdf-to-watermark/watermark.pdf"
output_pdf = "pdf-to-watermark/output_with_watermark.pdf"
  • input_pdf: 將添加水印的原始 PDF。
  • watermark_pdf: 作為水印的獨立的單頁 PDF。
  • output_pdf: 將包含加水印的頁面的輸出文件。

3. 讀取 PDF

reader = PdfReader(input_pdf)
watermark = PdfReader(watermark_pdf)
  • reader: 讀取輸入的 PDF。
  • watermark: 讀取水印 PDF。

4. 創建寫入器對象

writer = PdfWriter()
  • 這將用於創建最終的加水印 PDF。

5. 提取水印頁

watermark_page = watermark.pages[0]
  • 假定水印 PDF 只有一頁，將用於疊加到所有頁面上。

6. 遍歷輸入 PDF 頁面並合併水印

for page in reader.pages:
    # 合併水印與當前頁面
    page.merge_page(watermark_page)
    
    # 將合併後的頁面添加到寫入器
    writer.add_page(page)
  • 遍歷 input_pdf 的每一頁。
  • merge_page(watermark_page) 在當前頁面上疊加水印。
  • 將修改後的頁面添加到 writer。

7. 保存加水印的 PDF

with open(output_pdf, "wb") as output_file:
    writer.write(output_file)
  • 將修改後的頁面寫入到一個新的 PDF 文件中。

8. 列印確認

print(f"Watermarked PDF saved as: {output_pdf}")
  • 列印輸出文件的路徑以作為確認。

輸入的 PDF、水印 PDF 和輸出的加水印 PDF

截圖 使用 Python 添加水印的 PDF 截屏

結論

在本指南中，我們探索了 Python 中的基本 PDF 操作，包括提取文本、旋轉頁面、合併、拆分和添加水印。藉助這些技能，您現在可以構建自己的 PDF 管理器並高效地自動化各種 PDF 任務。