Python处理PDF：PyPDF2实用教程

想要高效处理PDF文件？Python的PyPDF2库绝对是你的得力助手！这篇教程将带你深入了解PyPDF2的实用技巧，包括如何提取PDF中的文本内容，即使是扫描件也能通过OCR技术辅助识别。此外，你还将学会如何轻松合并多个PDF文件，以及将PDF拆分成多个部分，满足各种文档整理需求。更进一步，我们还会探索添加水印和加密PDF等进阶功能，保障文档安全。PyPDF2以其轻量易用的特点，成为处理简单PDF任务的首选。当然，面对复杂需求，结合pdfplumber或PyMuPDF等工具将事半功倍。掌握这些Python处理PDF的技巧，让你的工作效率更上一层楼！

PyPDF2 是一个用于处理 PDF 文件的 Python 库，适合执行提取文本、合并文档、拆分页面等基础操作。要提取文本，可使用 PdfReader 并遍历每页调用 .extract_text()；对于合并多个 PDF，可用 PdfWriter 实例并添加各文件页面后写入新文件；拆分则通过指定页码范围取出页面并保存为新文件；此外，还可实现加水印和加密等进阶功能。虽然 PyPDF2 功能有限，但轻量易用，适用于简单处理，复杂需求则需结合其他工具如 pdfplumber 或 PyMuPDF。

处理PDF文件在日常工作和开发中很常见，比如提取文本、合并文档、拆分页面等。Python里有一个非常实用的库叫 PyPDF2，虽然功能不算最全，但基础操作都能满足，而且上手简单。

下面我们就来一步步看看怎么用 PyPDF2 来做几个常见的 PDF 操作。

提取PDF中的文本内容

如果你需要从 PDF 中提取文字，PyPDF2 是可以做到的，不过它对复杂排版的支持有限，适合结构简单的文档。

使用方法很简单：

• 导入 PdfReader
• 打开目标 PDF 文件
• 遍历每一页，调用 .extract_text()

from PyPDF2 import PdfReader

reader = PdfReader("example.pdf")
text = ""
for page in reader.pages:
    text += page.extract_text()
print(text)

注意：有些 PDF 是扫描件或图像，这种情况下 .extract_text() 会返回空，这时候就需要 OCR 工具辅助了。

合并多个PDF文件

有时候我们需要把多个 PDF 文件合并成一个，比如整理报告或者简历材料。PyPDF2 的 PdfWriter 可以轻松实现这个功能。

步骤如下：

• 创建一个 PdfWriter 实例
• 分别读取每个 PDF 文件
• 把每一页添加进去
• 最后写入输出文件

from PyPDF2 import PdfWriter

writer = PdfWriter()

writer.append_pages_from_file("file1.pdf")
writer.append_pages_from_file("file2.pdf")

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

如果你用的是较老版本的 PyPDF2，可能会用 addPage() 或者 PdfFileMerger，建议升级到最新版，语法更统一。

拆分PDF文件为多个部分

如果你只想保留某个 PDF 的一部分，比如前5页或某几页，可以用 PyPDF2 来做拆分。

思路是：

• 读取原始 PDF
• 创建一个新的 PdfWriter
• 按照页码范围取出页面添加进去
• 写出新文件

from PyPDF2 import PdfReader, PdfWriter

reader = PdfReader("full.pdf")
writer = PdfWriter()

for page in reader.pages[0:5]:  # 前五页
    writer.add_page(page)

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

你可以根据需要修改页码范围，也可以写个循环批量拆分成多个小文件。

添加水印或加密PDF（进阶）

PyPDF2 还支持一些稍微高级的功能，比如给页面加水印或者加密输出文件。

加密示例：

writer.encrypt("your_password")

这行代码放在写入文件之前就可以给输出 PDF 加上密码。

添加水印：

需要先加载一个水印 PDF（通常是一张带透明度的背景图），然后将每一页与水印页面合并。

watermark_page = PdfReader("watermark.pdf").pages[0]

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

这种方式适用于统一加水印的需求。

这些就是 PyPDF2 最常用的几种操作方式。它的优势在于轻量、易用，适合做一些基础处理。当然，如果遇到复杂的表格识别、图片提取、OCR 等需求，可能就需要结合其他工具，比如 pdfplumber、pdfminer 或 PyMuPDF 了。

基本上就这些，不难但容易忽略细节，比如路径问题、文件打开模式、页码索引是从0开始这些点，写代码时多留心一下就行。

终于介绍完啦！小伙伴们，这篇关于《Python处理PDF：PyPDF2实用教程》的介绍应该让你收获多多了吧！欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识，快来关注吧！