Python处理PDF:PyPDF2实用教程详解
IT行业相对于一般传统行业,发展更新速度更快,一旦停止了学习,很快就会被行业所淘汰。所以我们需要踏踏实实的不断学习,精进自己的技术,尤其是初学者。今天golang学习网给大家整理了《Python处理PDF技巧:PyPDF2实用教程》,聊聊,我们一起来看看吧!
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。
理论要掌握,实操不能落!以上关于《Python处理PDF:PyPDF2实用教程详解》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
Golang模块如何保证版本兼容?
- 上一篇
- Golang模块如何保证版本兼容?
- 下一篇
- PythonPIL库图片处理进阶技巧详解
-
- 文章 · python教程 | 16小时前 | python · Python decimal compare_total 全序比较
- Python Decimal.compare_total 怎样区分数值相等的不同表示
- 331浏览 收藏
-
- 文章 · python教程 | 16小时前 |
- Python AST 怎样提取节点对应的原始源码片段
- 261浏览 收藏
-
- 文章 · python教程 | 16小时前 | python · 类型系统 · Python types.resolve_bases __mro_entries__
- Python types.resolve_bases 怎样展开动态基类占位对象
- 108浏览 收藏
-
- 文章 · python教程 | 17小时前 | Python SQLite sqlite3 getlimit Connection.setlimit
- Python sqlite3.Connection.setlimit 怎样限制单个连接的资源上限
- 247浏览 收藏
-
- 文章 · python教程 | 17小时前 | SQLite · Python教程 · Python SQLite sqlite3 complete_statement 多语句脚本 CREATE TRIGGER
- Python sqlite3.complete_statement 判断多语句输入完整性的处理方案
- 140浏览 收藏
-
- 文章 · python教程 | 17小时前 | python · pathlib · Python pathlib walk_up relative_to
- Python pathlib.relative_to 怎样避免无关路径抛错
- 256浏览 收藏
-
- 文章 · python教程 | 17小时前 | python · Python Property 描述符 inspect.getattr_static 静态属性读取
- Python 怎样读取属性定义而不触发 property
- 299浏览 收藏
-
- 文章 · python教程 | 17小时前 | 依赖管理 · 故障排查 · Python教程 · Python importlib.metadata packages_distributions 发行包 导入名
- Python 怎样根据导入名查询对应的发行包
- 138浏览 收藏
-
- 文章 · python教程 | 18小时前 | 数据校验 · Python教程 · Python Pydantic JSON校验 model_validate_json strict mode
- Pydantic model_validate_json 怎样在严格模式下解析请求体
- 417浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1075次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1076次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1238次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1181次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1023次使用
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

