由 dawei
你们一定都熟悉PDF是什么。实际上，它们是最重要且使用最广泛的数字媒体之一。 PDF代表可移植文档格式。 它使用.pdf扩展名。 它用于可靠地显示和交换文档，而与软件，硬件或操作系统无关。
ASP站长网PDF由Adobe发明，现在是国际标准化组织（ISO）维护的开放标准。 PDF可以包含链接和按钮，表单字段，音频，视频和业务逻辑。
在本文中，我们将学习如何执行各种操作，例如：
从PDF提取文本
旋转PDF页面
分割PDF
使用简单的Python脚本！
安装
我们将使用第三方模块PyPDF2。
PyPDF2是一个构建为PDF工具包的python库。 它具有以下能力：
提取文档信息（标题，作者等）
逐页拆分文档
逐页合并文档
裁剪页面
将多个页面合并为一个页面
加密和解密PDF文件
以及更多！
要安装PyPDF2，请从命令行运行以下命令：
pip install PyPDF2
在Python中使用PDF文件
此模块名称区分大小写，因此请确保y为小写，其他所有内容均为大写。 本教程/文章中使用的所有代码和PDF文件都在这里。
1.从PDF文件中提取文本
# 导入所需的模块
import PyPDF2
# 创建一个pdf文件对象
pdfFileObj = open('linuxidc.pdf', 'rb')
# 创建一个PDF阅读器对象
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
# 在pdf文件中打印页数
print(pdfReader.numPages)
# 创建页面对象
pageObj = pdfReader.getPage(0)
# 从页面提取文本
print(pageObj.extractText())
# 关闭pdf文件对象
pdfFileObj.close()
让我们尝试以块的形式理解上面的代码：
pdfFileObj = open('linuxidc.pdf', 'rb')
我们以二进制模式打开linuxidc.pdf。并将文件对象另存为pdfFileObj。
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
在这里，我们创建PyPDF2模块的PdfFileReader类的对象，并传递pdf文件对象并获得pdf阅读器对象。
print(pdfReader.numPages)
numPages属性提供pdf文件中的页数。例如，在我们的例子中，它是455（请参见输出的第一行）。
pageObj = pdfReader.getPage(0)
现在，我们创建一个PyPDF2模块的PageObject类的对象。 pdf阅读器对象具有getPage()函数，该函数将页码（起始索引为0）作为参数并返回该页对象。
print(pageObj.extractText())
Page object具有函数extractText()，用于从pdf页面中提取文本。
pdfFileObj.close()
最后，我们关闭pdf文件对象。
注意：虽然PDF文件非常适合以易于人们打印和阅读的方式来布置文本，但要用软件将其解析为纯文本并不是一件容易的事。因此，从PDF提取文本时，PyPDF2可能会出错，甚至根本无法打开某些PDF。不幸的是，您对此无能为力。 PyPDF2可能无法使用某些特定的PDF文件。
2、旋转PDF页面
# 导入所需的模块
import PyPDF2
def PDFrotate(origFileName, newFileName, rotation):
# 创建原始pdf的pdf文件对象
pdfFileObj = open(origFileName, 'rb')
# 创建一个pdf阅读器对象
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
# 为新pdf创建pdf写入器对象
pdfWriter = PyPDF2.PdfFileWriter()
# 旋转每一页
for page in range(pdfReader.numPages):
# 创建旋转的页面对象
pageObj = pdfReader.getPage(page)
pageObj.rotateClockwise(rotation)
# 将旋转后的页对象添加到pdf写入器
pdfWriter.addPage(pageObj)
# 新的pdf文件对象
newFile = open(newFileName, 'wb')
# 将旋转的页面写入新文件
pdfWriter.write(newFile)
# 关闭原始的pdf文件对象
pdfFileObj.close()
# 关闭新的pdf文件对象
newFile.close()
def main():
# 原始pdf文件名
origFileName = 'linuxidc.pdf'
# 新的pdf文件名
newFileName = 'linuxidc.com.pdf'
#旋转角度
rotation = 270
#调用PDFrotate函数
PDFrotate(origFileName, newFileName, rotation)
if __name__ == "__main__":
# 调用main函数
main()