PythonPDF处理教程：PyPDF2与PDF生成实战

本文深入解析了Python中PDF处理的实用技术路径：PyPDF2作为成熟稳定的PDF编辑工具，擅长读取、合并、拆分、加解密等操作，但完全不支持从零生成PDF；真正需要创建带格式、含中文的PDF时，应转向FPDF2（轻量、纯Python、开箱即用的中文字体支持）或ReportLab（专业级复杂报表首选），并详解了中文字体嵌入、常见报错应对及体积优化等实战痛点，帮你避开90%的PDF开发坑，高效落地真实项目需求。

PyPDF2 是处理 PDF 文件最常用的 Python 库之一，适合合并、拆分、提取文本、加密解密等常见操作；但要注意它不支持生成新 PDF，只读取和修改已有 PDF。真正生成 PDF 推荐用 ReportLab 或 FPDF2（轻量、纯 Python、中文友好）。

PyPDF2 的核心用途与典型操作

PyPDF2 主要用于解析和编辑现有 PDF，不是万能 PDF 工具，别指望它画表格或写中文标题——字体和布局支持很弱。

• 读取文本：用 PdfReader 打开文件，逐页调用 page.extract_text()；注意扫描版 PDF（图片型）无法提取文字，需先 OCR
• 合并 PDF：创建 PdfWriter，用 append() 添加多个 PdfReader 对象，最后 write() 保存
• 拆分与提取页面：用 writer.add_page(reader.pages[i]) 指定页码复制，支持切片（如 reader.pages[0:3]）
• 加密/解密：支持用户密码（打开限制）和所有者密码（编辑限制），但 AES-256 等强加密可能不兼容旧版本

生成 PDF：为什么不用 PyPDF2？

PyPDF2 没有绘图上下文，不能新建页面、写文字、画线或插入图片。强行“生成”只能靠复制空白模板再填内容，非常受限且难控制排版。

• 需要从零生成带格式的 PDF → 选 FPDF2（pip install fpdf2），支持 UTF-8 中文、自动换行、简单表格、PNG/JPEG 插入
• 需要复杂报表、图表、页眉页脚、样式模板 → 选 ReportLab（学习曲线略陡，但专业性强）
• 临时快速导出结构化数据（如列表、字典）→ 可先转 HTML 再用 pdfkit（基于 wkhtmltopdf）生成，适合简单场景

中文字体支持实战要点

默认 PDF 不含中文字体，直接写中文会显示为空白或方框。FPDF2 解决方案最直接：

• 下载一个 TTF 中文字体（如 NotoSansCJKsc-Regular.ttf 或思源黑体）
• 用 add_font() 注册字体：pdf.add_font("Noto", fname="NotoSansCJKsc-Regular.ttf", uni=True)
• 设置字体：pdf.set_font("Noto", size=12)，之后 cell() 或 multi_cell() 就能正常显示中文
• ReportLab 需手动注册 pdfmetrics.registerFont() 并使用 ParagraphStyle 指定字体名

常见坑与绕过建议

实际项目中容易卡在几个地方，提前知道能省半天调试时间：

• PyPDF2 读取某些 PDF 报 NotImplementedError: only algorithm code 1 and 2 are supported → 是用了新版加密（如 AES），换 pymupdf（fitz）更鲁棒
• 提取文本乱码或缺失 → 检查是否是扫描件；或 PDF 内文字被转成路径（矢量图形），此时 PyPDF2 无法还原
• FPDF2 生成 PDF 后中文标点错位 → 关闭自动 kerning：pdf.set_auto_kerning(False)
• 合并后文件体积暴增 → PyPDF2 默认不压缩对象，可用 writer.add_blank_page() 后再删页来间接清理冗余流，或改用 pypdf（PyPDF2 的现代维护分支，支持 compress_content_streams()）

本篇关于《PythonPDF处理教程：PyPDF2与PDF生成实战》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于文章的相关知识，请关注golang学习网公众号！