|
朋友需要对一个pdf文件进行分割，在网上查了查发现这个pypdf2可以完成这些操作，所以就研究了下这个库，并做一些记录。首先pypdf2是python3版本的，在之前的2版本有一个对应pypdf库。
可以使用pip直接安装：
官方文档： pythonhosted.org/PyPDF2/
里面主要有这几个类：
PdfFileReader 。
该类主要提供了对pdf文件的读操作，其构造方法为：
第一个参数可以传入一个文件流，或者一个文件路径。后面三个参数都是用来设置警告的处理方式，直接使用默认的即可。
得到实例之后，就可以对pdf进行一些操作了。主要的有以下几个操作：
- decrypt(password)：如果pdf文件加密的话，可以使用该方法对其解密。
- getDocumentInfo()：检索pdf文件的一些信息。其返回值为一个DocumentInformation 类型，直接输出的话会得到类似下面的信息：
- getNumPages()：这个会pdf文件中的页数。
- getPage(pageNumber)：会得到pdf文件中对应的pageNumber页数的页面对象，返回值为PageObject实例。在得到PageObject实例之后就可以将其加添、插入等操作。
- getPageNumber(page)：与上面的方法对立，可以传入PageObject实例，然后得到该实例是pdf文件中第几页的。
- getOutlines(node=None, outlines=None)：检索文档中出现的文档大纲。
- isEncrypted：记录该pdf是否加密。如果文件本身加密，即使在使用解密decrypt方法之后，还是会返回true。
- numPages：pdf总共的页数，相当于访问getNumPages()的只读属性。
PdfFileWriter 。
该类支持对pdf文件进行写操作，通常是使用PdfFileReader读取一些pdf数据，然后使用该类进行一些操作。
创建该类的实例时不需要参数。
其主要的方法有：
- addAttachment(fname, fdata)：向pdf添加文件。
- addBlankPage(width=None, height=None)：给pdf添加一个空白页到最后，如果没有指定大小就使用当前Weiter中pdf最后一页的大小。
- addPage(page)：添加page到pdf中，通常这个page是由上面的Reader获取的。
- appendPagesFromReader(reader, after_page_append=None)：将reader中的数据拷贝到当前的Writer实例中，并且如果指定after_page_append的话，最后还有回掉该函数并且将writer中的数据传入其中。
- encrypt(user_pwd, owner_pwd=None, use_128bit=True)：将pdf进行加密，其中官方说userpwd是允许用户使用一些限制的权限打开pdf文件，也就是使用该密码的话可能会有一些限制，但是本人并没有在文档中找到设置权限的内容。而ownerpwd则是允许用户无限制的使用。第三个参数是是否使用128位加密。
- getNumPages()：得到pdf页数。
- getPage(pageNumber)：得到对应页数的Page，是一个PageObject对象，可以使用上面的addPage方法将page进行添加。
- insertPage(page, index=0)：将page添加到pdf中，index指定的是被插入的位置。
- write(stream)：将该Writer中的内容写入到文件中。
PdfFileMerger。
该类用来合并pdf文件，该类的构造方法有一个参数：PdfFileMerger(strict=True)，注意这里的参数后面会介绍：
常用方法：
- addBookmark(title, pagenum, parent=None)：给pdf添加一个书签，title是书签的标题，pagenum是该书签指向的页面。
- append(fileobj, bookmark=None, pages=None, import_bookmarks=True)：将指定的fileobj文件添加到文件的末尾，bookmark是赎前，pages可以使用(start, stop[, step])或者一个 Page Range来设定将fileobj中的指定范围的页面进行添加。
- merge(position, fileobj, bookmark=None, pages=None, import_bookmarks=True)：与append方法类似，不过可以使用position参数指定添加的位置。
- write(fileobj)：将数据写入到文件中。
使用的时候可以创建一个PdfFileMerger实例，然后使用append或者merge将想要融合的pdf文件依次添加进去，最后使用write保存即可。
下面看一下PdfFileMerger(strict=True)中的这个参数：
官方对这个参数的解释：
strict (bool) – Determines whether user should be warned of all problems and also causes some correctable problems to be fatal. Defaults to True.
确定是否应该警告用户所有问题，并且还会导致一些可纠正的问题。
刚开始感觉这个参数就是用来是否警告用户一些错误的，直接使用默认即可，但是当本人尝试合并带中文的pdf时，出现了如下错误：
在源码包中使用utf解码的时候出错了，尝试修改此处源码，让其使用gbk，但是还出现了其他的错误。最后发现当把构造函数中的strict设置为False时，控制台会打印下面的错误：
但是两个文件成功的合并了，并且大概看了下合并后的文件有时好又是坏，同样的代码运行多次，有时候能够正常处理中文，但有时候中文乱码。
除了列出的方法还有一些其他的方法，比如添加书签、添加链接等等，可以参考官方文档。
对pdf进行合并、分割、加密。
整合出来了加密、解密、合并、根据页数进行分割、根据份数进行分割的样例：
使用注意：如果时中文文件，运行结果可能会出现乱码，但是多运行几次，中间有正常显示中文的问题。具体原因还不清楚，但就是这么玄学。。。
代码传送门
最后小编自己也是一个有着6年工作经验的工程师，关于python编程，自己有做材料的整合，一个完整的python编程学习路线，学习资料和工具。想要这些资料的可以加扣扣群：881982657
| 
转播
