20行Python代碼實(shí)現(xiàn)一款永久免費(fèi)PDF編輯工具
轉(zhuǎn)自知乎@Jackpop：https://zhuanlan.zhihu.com/p/153468702
PDF（Portable Document Format），中文名稱便攜文檔格式是我們經(jīng)常會接觸到的一種文件格式，文獻(xiàn)、文檔...很多都是PDF格式。它以格式穩(wěn)定的優(yōu)勢，使得我們在打印、分享、傳輸過程中能夠最優(yōu)的保持原有色彩和格式。
PDF是以PostScript語言圖像模型為基礎(chǔ)的一種文檔格式，它在格式的穩(wěn)定性方面雖然具有很大優(yōu)勢。但是，在可編輯性方面卻為使用者引入了另外一個困擾。
例如，在文檔的分割、合并、剪切、轉(zhuǎn)換、編輯等方面PDF就有些捉襟見肘了。
Adobe Reader、福昕閱讀器、熊貓PDF...經(jīng)常用到的PDF工具只能用于文檔閱讀，但是免費(fèi)版都不可以用于文檔編輯。雖然，網(wǎng)頁版PDF工具，例如SmallPDF、I love PDF可以用于PDF的編輯，但是對于文檔大小也有限制。
曾經(jīng)，為了替換PDF中的一頁，我?guī)缀踉嚤榱怂惺忻嫔现髁鞯腜DF工具，最終還是不得不選擇使用付費(fèi)工具來解決問題。
事后想了想，既然這些商業(yè)化軟件不靠譜，為什么不考慮自己動手開發(fā)一款工具呢？明明幾十行代碼能夠解決的問題，為什么要費(fèi)那么多勁去下載、安裝那些沒有節(jié)操的軟件呢？
本文就來介紹一下利用Python輕松開發(fā)一款PDF編輯工具，可以用于PDF轉(zhuǎn)TxT、分割、合并、剪切、轉(zhuǎn)換。
PyPDF2
PyPDF2是一個第三方的python PDF庫，它能夠?qū)DF文件進(jìn)行分割、合并、裁剪和轉(zhuǎn)換頁面。
另外，它還可以對PDF文件添加自定義數(shù)據(jù)、水印、密碼，也可以從PDF文件中檢索出文本和元數(shù)據(jù)。
安裝
使用pip直接安裝：
$ pip install PyPDF2
下面就來演示幾項(xiàng)PDF編輯功能，并且會逐行解釋代碼的含義。
刪除PDF頁
先給出實(shí)現(xiàn)代碼，
from PyPDF2 import PdfFileWriter, PdfFileReader output = PdfFileWriter() ? ? // 1 input1 = PdfFileReader(open("example.pdf", "rb")) // 2 def delete_pdf(index): pages = input1.getNumPages() // 3 for i in range(pages): ?if i+1 in index: ? continue ?output.addPage(input1.getPage(i)) ?// 4 outputStream = open("PyPDF2-output.pdf", "wb") output.write(outputStream) ?// 5 delete_pdf([2,3,4])
下面來解釋一下代碼中的幾個關(guān)鍵點(diǎn)：
聲明一個用于輸出PDF的實(shí)例；
讀取本地PDF文件；
獲取PDF文檔的頁數(shù)；
讀取PDF的第
i頁，添加到輸出output實(shí)例中；把編輯后的文檔保存到本地；
合并PDF
已經(jīng)實(shí)現(xiàn)了刪除PDF頁，接下來就看一下如何把另外一個PDF中的頁面合并到當(dāng)前PDF中。
方法1：
可以沿著前面刪除PDF頁的方式進(jìn)行拓展一下，對PDF進(jìn)行合并。
from PyPDF2 import PdfFileWriter, PdfFileReader output = PdfFileWriter() input1 = PdfFileReader(open("example.pdf", "rb")) input2 = PdfFileReader(open("simple2.pdf", "rb")) // 1 def merge_pdf(add_index, origin_index): pages = input1.getNumPages() k = 0 for i in range(pages): ?if i+1 in add_index: ? output.addPage(input2.getPage(origin_index[k])) // 2 ? pages += 1 ? k += 1 ?output.addPage(input1.getPage(i)) outputStream = open("PyPDF2-output.pdf", "wb") output.write(outputStream) merge_pdf([2,3,4], [0, 0, 0])
讀取需要合并的源文件；
遍歷到指定頁，合并源PDF的頁面；
方法2：
除了方法1，還有另外一種方法可以合并PDF：
from PyPDF2 import PdfFileMerger // 1 merger = PdfFileMerger() input1 = open("document1.pdf", "rb") // 2 input2 = open("document2.pdf", "rb") input3 = open("document3.pdf", "rb") merger.append(fileobj = input1, pages = (0,3)) // 3 merger.merge(position = 2, fileobj = input2, pages = (0,1)) // 4 merger.append(input3) // 5 output = open("document-output.pdf", "wb") merger.write(output)
導(dǎo)入PyPDF2合并模塊
PdfFileMerger;讀取需要處理和合并的PDF文檔；
從第一個PDF文檔中取出需要合并的前3頁；
把第二個PDF文檔的第一頁插入到文檔中；
把第三個PDF文檔附到輸出文檔末尾；
除了上述介紹的2項(xiàng)主要功能，PyPDF2也有一些其他小功能：
旋轉(zhuǎn)
input1.getPage(1).rotateClockwise(90)
使得頁面1旋轉(zhuǎn)90度。
添加水印
page = input1.getPage(3) watermark = PdfFileReader(open("watermark.pdf", "rb")) page.mergePage(watermark.getPage(0))
其中，水印存儲在另外一個PDF文檔watermark.pdf中。
加密
password = "secret" output.encrypt(password)
首先給一個secret密碼，然后使用encrypt對輸出文檔進(jìn)行加密。
pdfminer
前面介紹的PyPDF2主要擅長于PDF頁面級編輯，而對于文本和源數(shù)據(jù)級別編輯能力較弱。
所以，這里就來介紹另外一款Python庫來彌補(bǔ)它的不足。
PDFMiner是一個PDF文檔的文本提取工具，它具有如下特性：
能夠準(zhǔn)確獲取文本的位置和布局信息；
可以將PDF轉(zhuǎn)換為HTML/XML等格式；
可以提取目錄；
可以提取標(biāo)簽內(nèi)容；
支持各種字體類型（Type1、TrueTpe、Type3和CID）;
支持中、日、韓語言和垂直書寫文本;
安裝
$ pip install pdfminer
PDF轉(zhuǎn)TxT
pdfminer在GitHub的托管項(xiàng)目中，在目錄tools下給出了一些實(shí)用的工具集，例如，PDF轉(zhuǎn)HTML、PDF轉(zhuǎn)HTML、PDF轉(zhuǎn)TXT。我們可以直接通過使用下面命令提出PDF文檔中的文本信息。
$ pdf2txt.py samples/simple1.pdf
總結(jié)
通過上述2款Python庫，就可以實(shí)現(xiàn)從頁面到文本元數(shù)據(jù)的編輯，本文只是簡單的介紹了每項(xiàng)的基本用法。關(guān)于詳細(xì)的用法和函數(shù)列表，可以閱讀官方文檔，或者閱讀GitHub上項(xiàng)目源碼進(jìn)行了解。此外，可以在這些基本的用法基礎(chǔ)上進(jìn)行發(fā)散思維，發(fā)掘更多有價值的應(yīng)用場景，例如，提出文本數(shù)據(jù)之后調(diào)用翻譯API進(jìn)行文獻(xiàn)翻譯。也可以，對軟件進(jìn)行封裝，開發(fā)成一款通用的PDF編輯工具。干貨
最近，為了方便大家，我花費(fèi)了半個月的時間把這幾年來收集的各種實(shí)用工具整合到一起，其中涉及影音娛樂、效率辦公、系統(tǒng)清理、編程開發(fā)等上百款強(qiáng)大工具，其中涵蓋Windows、Mac、Andriod、Chrome，我把各種軟件的安全下載鏈接整理到一個文檔中供大家使用，減少麻煩、避免踩坑，目錄如下：
所有干貨送給大家，希望能夠點(diǎn)贊支持一下！
https://pan.baidu.com/s/1StnTCgCgOful535PMU_ioQ?（提取碼：0000）
