如何使用Python 操作PDF？总结用Python操作PDF的几种方法 _python

本篇文章小编给大家分享一个用python来操作pdf图像的几种方法，如果有需求的小伙伴一定要耐心阅读完这篇文章，小编希望能够通过这篇文章来给大家的学习带来一定的帮助。

文章插图
Python操作PDF有以下几种方法：
（1）基本操作
PyPDF2 导入模块的代码常常是：
from PyPDF2 import PdfFileReader, PdfFileWriter复制代码
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：
（2）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。**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:Usersxxxxxx'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PDFmerge.pdf', 'wb') as out:    pdf_writer.write(out)复制代码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))复制代码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)复制代码代码中 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。
（3）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：