PDF 表示 Portable Document Format，使用 .pdf 作為文件擴展名。雖然 PDF 支持許多功能，但現在我們專注于最常做的兩件事：從 PDF 讀取文本內容和從已有的文檔生成新的 PDF。主要涉及到三個類：PdfFileReader、PdfFileWriter、PageObject。
Python中用于處理PDF文檔的模塊是PyPDF2。可以直接通過 pip 指令去安裝：pip install PyPDF2 。 這個地方要注意，模塊名是區分大小寫的，除了 y 是小寫其他字母都是大寫。

1. PdfFileReader

PdfFileReader是 PyPDF2 提供的一個類，主要是通過方法和屬性來提供獲取pdf文件內容的相關功能。
使用PdfFileReader讀取pdf文件前需要先創建一個PdfFileReader的對象：

PdfFileReader(stream, strict = True,warndest = None,overwriteWarnings = True)

• stream： File 對象或支持與 File 對象類似的標準讀取和查找方法的對象，也可以是表示 PDF 文件路徑的字符串。
• strict（bool）： 確定是否應該警告用戶所用的問題，也導致一些可糾正的問題是致命的，默認是 True
• warndest : 記錄警告的目標(默認是 sys.stderr)
• overwriteWarnings(bool)：確定是否 warnings.py 用自定義實現覆蓋 Python 模塊（默認為 True）

下表是部分 PdfFileReader 對象的方法和屬性：

實例一：從PDF文件中提取文本

# 從PyPDF2模塊中導入PdfFileReader類 from PyPDF2 import PdfFileReader# 打開需要操作的pdf文件，獲取文件對象。因為pdf文件是二進制文件，所以打開的時候是 'rb' pdf_file = open('files/new.pdf', 'rb')# 創建pdf文件對應的PdfFileReader對象 pdf_reader = PdfFileReader(pdf_file)# 獲取當前pdf文件總頁數（這兒其實不需要，只是給大家看看） total_page = pdf_reader.getNumPages() # 結果是: 17# 獲取pdf文件的第一頁 page0 = pdf_reader.getPage(0)# 獲取第一頁中的文本內容 text_content = page0.extractText() print(text_content)

實例二：解密

# 從PyPDF2模塊中導入PdfFileReader類 from PyPDF2 import PdfFileReader# 創建PdfFileReader對象，并且讓它和指定的pdf文件進行關聯 # pdf_reader = PdfFileReader('files/MySQL.pdf') # 打開文件的時候可以直接給pdf文件路徑 pdf_reader = PdfFileReader(open('files/MySQL.pdf', 'rb')) # 打開文件的時候可以直接給文件對象# 是否加密 - 如果結果是True，表示已經加密，如果獲取頁面的時候程序會報錯 is_encrypted = pdf_reader.isEncrypted# 通過密碼解密, 這兒的 1234 是密碼 pdf_reader.decrypt('1234')# 獲取當前pdf文件的第一頁 page0 = pdf_reader.getPage(0)

2. PdfFileWriter

在 PyPDF2 中，與 PdfFileReader 對象相對的是 PdfFileWriter 對象，它可以創建一個新的 PDF 文件。但 PyPDF2 不能將任意文本寫入 PDF，就像 Python 可以寫入純文本文件那樣。PyPDF2 寫入 PDF 的能力，僅限于從其他 PDF 中拷貝頁面、旋轉頁面、重疊頁面和加密文件。模塊不允許直接編輯 PDF。必須創建一個新的 PDF，然后從已有的文檔拷貝內容。PdfFileWriter 的使用一般遵守以下方式：
1. 打開一個或多個已有的 PDF（源 PDF），得到 PdfFileReader 對象。
2. 創建一個新的 PdfFileWriter 對象。
3. 將頁面從 PdfFileReader 對象拷貝到 PdfFileWriter 對象中。
4. 最后，利用 PdfFileWriter 對象寫入輸出的 PDF。

創建一個PdfFileWriter 對象，只是在Python 中創建了一個代表PDF 文檔的值，這并沒有創建實際的PDF 文件，要實際生成文件，必須調用PdfFileWriter 對象的write()方法。

下表是部分 PdfFileWriter 對象的方法和屬性：

實例三：拷貝頁面

from PyPDF2 import PdfFileReader, PdfFileWriter# 創建兩個pdf文件對應的PdfFileReader對象 pdf_reader1 = PdfFileReader('files/file1.pdf') pdf_reader2 = PdfFileReader('files/file2.pdf')# 創建PdfFileWriter對象 writer = PdfFileWriter()# 遍歷將第一個pdf文件中的每一頁取出來 for page_num in range(pdf_reader1.getNumPages()):# 取出每一頁對應的PageObject對象page = pdf_reader1.getPage(page_num)# 將當前取出來的頁面添加到writer中writer.addPage(page)# 遍歷將第二個pdf文件中的每一頁取出來 for page_num in range(pdf_reader2.getNumPages()):# 取出每一頁對應的PageObject對象page = pdf_reader2.getPage(page_num)# 將當前取出來的頁面添加到writer中writer.addPage(page)# write(stream) - 將添加到此對象的頁面集合寫入 PDF 文件 ，這兒的stream必須是以寫的方式打開的文件對象 out_file = open('files/out.pdf', 'wb') writer.write(out_file) out_file.close()# 程序結束后，會在files下創建一個 out.pdf 文件，文件中的內容是 file1.pdf 和 file2.pdf 兩個文件中的所有內容

3. PageObject

從 PdfFileReader 對象中通過 getPage 方法得到頁面都是 PageObject 的對象。

下表是部分 PageObject 對象的屬性和方法：

實例四：旋轉頁面

# **實例三：拷貝頁面** from PyPDF2 import PdfFileReader, PdfFileWriter# 打開文件 # file_reader = PdfFileReader(open('files/MySQL.pdf', 'rb')) file_reader = PdfFileReader('files/MySQL.pdf')# 取第一頁 page0 = file_reader.getPage(0)# 旋轉90度 page0.rotateClockwise(90)# 創建 PdfFileWriter 對象 file_writer = PdfFileWriter()# 將第一頁添加到新文件中 file_writer.addPage(page0)# 保存新文件 file_writer.write(open('files/MySQL2.pdf', 'wb'))

PyPDF2 也可以將一頁的內容疊加到另一頁上，這可以用來在頁面上添加公司標志、時間戳或水印。利用 Python，很容易為多個文件添加水印，并且只針對程序指定的頁面添加。

實例五: 添加水印

from PyPDF2 import PdfFileReader, PdfFileWriter# 打開需要添加水印的文件 pdf_reader = PdfFileReader('files/MySQL.pdf')# 打開水印文件 water_reader = PdfFileReader('files/water.pdf')# 獲取需要添加水印的頁面（如果所有也都要添加水印就遍歷） page0 = pdf_reader.getPage(0)# 獲取水印頁 water_page = water_reader.getPage(0)# 合并 page0.mergePage(water_page)# 創建PdfFileWriter對象并且將已經添加水印的也添加到PdfFileWriter對象中 writer = PdfFileWriter() writer.addPage(page0)# 保存 writer.write(open('out/newMySQL.pdf', 'wb'))

實例六：加密PDF

PdfFileWriter 對象也可以為 PDF 文檔進行加密:

from PyPDF2 import PdfFileWriter, PdfFileReader# 打開需要加密的文件 file_reader = PdfFileReader('files/MySQL.pdf')# 創建PdfFileWriter對象 file_writer = PdfFileWriter()# 將原文件的內容全部添加到PdfFileWriter對象中 for page_num in range(file_reader.getNumPages()):file_writer.addPage(file_reader.getPage(page_num))# 加密,并且設置密碼為： 123456 file_writer.encrypt('123456')# 保存文件 file_writer.write(open('out/newMySQL.pdf', 'wb'))

參考書籍：《Python編程快速上手-讓繁瑣工作自動化》
我在b站上錄了Python自動化辦公的系列課程，感興趣可以看看： 嗶哩嗶哩 ( ゜- ゜)つロ 乾杯~ Bilibili

總結

以上是生活随笔為你收集整理的python mysql 遍历_Python自动化办公系列六(pdf文档处理)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。