Python怎样操作PDF文件？PyPDF2模块完整功能解析-Python教程-PHP中文网

Python怎样操作PDF文件？PyPDF2模块完整功能解析

蓮花仙者

发布： 2025-07-16 18:16:02

原创

307人浏览过

pypdf2是python操作pdf的核心模块，主要功能包括读取信息、拆分、合并、旋转、提取文本及加密解密。1. 安装方法为pip install pypdf2；2. 支持读取pdf元数据；3. 可按页拆分或合并多个pdf；4. 能旋转页面方向；5. 提供文本提取功能；6. 支持加密与解密操作；7. 处理大型pdf时建议分块处理或使用其他专业库如pdfminer；8. 若需创建pdf应使用reportlab等库。

Python怎样操作PDF文件？PyPDF2模块完整功能解析

Python操作PDF文件，核心在于PyPDF2这个模块。它就像一个瑞士军刀，能帮你拆解、合并、分割、旋转PDF，甚至提取文本。但要注意，它主要针对的是已存在的PDF文件，创建PDF的话，需要借助reportlab等其他库。

PyPDF2模块完整功能解析

如何安装PyPDF2？

安装PyPDF2很简单，用pip就能搞定：pip install PyPDF2。记得确认你的pip是最新的，避免安装过程中出现奇奇怪怪的问题。

立即学习“Python免费学习笔记（深入）”；

PyPDF2能做哪些事情？

PyPDF2的功能相当丰富，大致可以分为以下几类：

读取PDF信息： 可以获取PDF的作者、标题、页数等元数据。
拆分PDF： 将一个PDF文件拆分成多个小的PDF文件，比如按页拆分。
合并PDF： 将多个PDF文件合并成一个PDF文件。
旋转页面： 可以旋转PDF中的页面，比如将横向页面旋转成纵向。
提取文本： 可以从PDF中提取文本内容，方便进行文本分析或者搜索。
加密和解密： 可以对PDF文件进行加密，防止未授权访问，也可以解密已加密的PDF文件（如果知道密码）。

如何读取PDF文件并提取文本？

import PyPDF2

def extract_text_from_pdf(pdf_path):
    """
    从PDF文件中提取文本。
    """
    try:
        with open(pdf_path, 'rb') as file: # 以二进制读取模式打开文件
            reader = PyPDF2.PdfReader(file)
            text = ""
            for page_num in range(len(reader.pages)):
                page = reader.pages[page_num]
                text += page.extract_text()
            return text
    except FileNotFoundError:
        return "文件未找到。"
    except Exception as e:
        return f"发生错误：{e}"

pdf_text = extract_text_from_pdf("example.pdf") # 替换成你的PDF文件路径
print(pdf_text)

登录后复制

这段代码首先导入PyPDF2模块，然后定义了一个函数extract_text_from_pdf，该函数接收一个PDF文件路径作为参数。在函数内部，我们使用PdfReader类来读取PDF文件，然后遍历每一页，使用extract_text()方法提取文本内容，并将所有页面的文本拼接起来。最后，我们调用这个函数，并打印提取到的文本。

文心大模型

百度飞桨-文心大模型 ERNIE 3.0 文本理解与创作

查看详情

如何合并多个PDF文件？

from PyPDF2 import PdfMerger

def merge_pdfs(pdf_paths, output_path):
    """
    合并多个PDF文件为一个PDF文件。
    """
    merger = PdfMerger()
    for pdf_path in pdf_paths:
        try:
            merger.append(pdf_path)
        except FileNotFoundError:
            print(f"警告：文件 {pdf_path} 未找到，跳过。")
        except Exception as e:
            print(f"警告：处理文件 {pdf_path} 时发生错误：{e}，跳过。")

    try:
        merger.write(output_path)
        merger.close()
        print(f"成功合并PDF文件到 {output_path}")
    except Exception as e:
        print(f"合并PDF文件时发生错误：{e}")

pdf_files = ["file1.pdf", "file2.pdf", "file3.pdf"] # 替换成你的PDF文件路径列表
merge_pdfs(pdf_files, "merged.pdf") # 指定输出文件路径

登录后复制

这段代码使用了PdfMerger类来合并PDF文件。首先，我们创建一个PdfMerger对象，然后遍历PDF文件路径列表，使用append()方法将每个PDF文件添加到合并器中。最后，我们使用write()方法将合并后的PDF文件写入到指定的输出路径。注意，这里增加了一些异常处理，比如文件未找到或者处理文件时发生错误，会给出警告并跳过。

如何加密和解密PDF文件？

from PyPDF2 import PdfReader, PdfWriter

def encrypt_pdf(input_path, output_path, password):
    """
    加密PDF文件。
    """
    try:
        reader = PdfReader(input_path)
        writer = PdfWriter()

        for page in reader.pages:
            writer.add_page(page)

        writer.encrypt(password)

        with open(output_path, "wb") as f:
            writer.write(f)

        print(f"成功加密PDF文件到 {output_path}")

    except FileNotFoundError:
        print("文件未找到。")
    except Exception as e:
        print(f"发生错误：{e}")

def decrypt_pdf(input_path, output_path, password):
    """
    解密PDF文件。
    """
    try:
        reader = PdfReader(input_path)
        if reader.is_encrypted:
            reader.decrypt(password)
        else:
            print("PDF文件未加密，无需解密。")
            return

        writer = PdfWriter()
        for page in reader.pages:
            writer.add_page(page)

        with open(output_path, "wb") as f:
            writer.write(f)

        print(f"成功解密PDF文件到 {output_path}")

    except FileNotFoundError:
        print("文件未找到。")
    except Exception as e:
        print(f"发生错误：{e}")

encrypt_pdf("example.pdf", "encrypted.pdf", "mypassword") # 加密
decrypt_pdf("encrypted.pdf", "decrypted.pdf", "mypassword") # 解密

登录后复制

加密PDF文件时，我们首先使用PdfReader读取PDF文件，然后创建一个PdfWriter对象。将所有页面从reader添加到writer中，然后使用encrypt()方法设置密码。最后，我们将加密后的PDF文件写入到输出路径。解密PDF文件的过程类似，只是在读取PDF文件后，需要先使用decrypt()方法解密，然后才能提取页面。