Python实现自动化处理PDF文件的方法详解

自动化处理PDF文件

使用Python完成简单的PDF文件处理操作，如PDF文件的批量合并、拆分、加密以及添加水印等。

1. 批量合并PDF文件

from pathlib import Path
# PdfFileReader用于读取PDF文件，PdfFileMerger用于合并PDF文件
from PyPDF2 import PdfFileReader, PdfFileMerger

src_folder = Path('PDF1')  # 设置要合并的多个PDF文件所在的文件路径
des_file = Path(r'PDF2\combine.pdf')    # 设置合并后的PDF文件的保存文件夹和文件名
# 调用路径对象的parent属性返回父文件夹（即保存文件夹）的路径
if not des_file.parent.exists():
    # 如果该文件夹不存在，则创建该文件夹
    des_file.parent.mkdir(parents=True)
# 获取所有要合并的PDF文件的路径
file_list = list(src_folder.glob('*.pdf'))

# 读取PDF并进行合并
merger = PdfFileMerger()  # 创建PdfFileMerger对象
outputPages = 0  # 统计合并到PDF文件的总页数
# 遍历文件列表
for pdf in file_list:
    input_file = PdfFileReader(str(pdf))  # 读取待合并的PDF文件
    merger.append(input_file)  # 将PDF文件合并到PdfFileMerger对象中
    pageCount = input_file.getNumPages()   # 获取PDF文件的页数
    print(f'{pdf.name}--页数：{pageCount}')
    outputPages += pageCount  # 进行累加，统计总页数
merger.write(str(des_file))  # 将合并好的PDF文件写入指定的路径
merger.close()  # 关闭PdfFileMerger对象，释放资源
print(f'\n合并后的总页数：{outputPages}')

测试文件：

效果：

2. 批量拆分PDF文件

from math import ceil
from pathlib import Path
from PyPDF2 import PdfFileReader, PdfFileWriter

src_folder = Path('PDF2')  # 设置要拆分的多个PDF文件所在的文件路径
output_folder = Path('PDF2')  # 设置拆分后的PDF文件的保存文件夹和文件名
# 获取所有要拆分的PDF文件的路径
file_list = list(src_folder.glob('*.pdf'))
# 采用按固定页数进行拆分
step = 5  # 每份为5页
for pdf in file_list:
    inputFile = PdfFileReader(str(pdf))
    pages = inputFile.getNumPages()  # 获取PDF文件的页数
    # 判断PDF文件页数是否小于等于step
    if pages <= step:
        # 若是则不进行拆分
        continue
    else:
        parts = ceil(pages / step)  # 拆分的份数，向上取整
    # 根据份数进行循环
    for pt in range(parts):
        # 计算每一份的开始页码和结束页码
        # PyPDF2模块中，PDF文件页码从0开始
        start = step * pt
        # 判断是否是最后一份
        if pt != (parts - 1):
            # 如果不是最后一份，那么结束页码为开始页码加每份页数减1
            end = start + step - 1
        else:
            # 若是最后一份，则结束页码等于文件页数减1
            end = pages - 1

        # 拆分文件
        outputfile = PdfFileWriter()  # 创建PdfFileWriter对象
        for pageNum in range(start, end + 1):
            outputfile.addPage(inputFile.getPage(pageNum))
        # 调用路径对象的stem属性获取文件的主名，与后面的字符串拼接成PDF文件名
        pt_name = f'{pdf.stem}_第{pt + 1}份.pdf'
        pt_file = output_folder / pt_name  # 生成当前份的PDF文件的保存路径
        with open(pt_file, 'wb') as f:
            outputfile.write(f)
    print(f'【{pdf.name}】共{pages}页，拆分为{parts}份-->完成')

效果：

3. 批量加密PDF文件

from pathlib import Path
from PyPDF2 import PdfFileReader, PdfFileWriter

src_folder = Path('PDF2')  # 设置要加密的多个PDF文件所在的文件路径
output_folder = Path('PDF2')  # 设置加密后的PDF文件的保存文件夹和文件名
# 获取所有要加密的PDF文件的路径
file_list = list(src_folder.glob('*.pdf'))
# 遍历文件列表
for pdf in file_list:
    inputFile = PdfFileReader(str(pdf))  # 读取文件
    outputFile = PdfFileWriter()  # 创建PdfFileWriter对象
    pageCount = len(inputFile.pages)  # 获得PDF文件页数
    for pageNum in range(pageCount):
        # 将PDF内容逐页添加到输出文件
        outputFile.add_page(inputFile.pages[pageNum])
        # 进行加密
        outputFile.encrypt('123456')
        # 输出文件名
        output_name = f'{pdf.stem}_encrypted.pdf'
        # 输出文件的路径
        output_path = output_folder / output_name
        with open(output_path, 'wb') as pf:
            outputFile.write(pf)
    print(f'{output_name}加密文件-->保存完成')

效果：

4. 批量PDF添加水印

4.1 创建水印文件

安装reportlab模块

pip install reportlab

def createWatermark(content):
    """
    创建水印
    :param content: 水印内容
    :return:
    """
    filename = 'watermark.pdf'  # 水印文件的文件名
    can = canvas.Canvas(filename=filename, pagesize=(30 * cm, 30 * cm))  # 设置水印文件的页面大小
    can.translate(5 * cm, 0 * cm)  # 设置页面的坐标原点
    # 注册水印文件需要使用的字体
    reportlab.pdfbase.ttfonts.pdfmetrics.registerFont(
        reportlab.pdfbase.ttfonts.TTFont(name='华文行楷', filename=r'C:\Windows\Fonts\STXINGKA.TTF'))
    can.setFont(psfontname='华文行楷', size=25)  # 设置水印字体即字号
    can.rotate(28)  # 设置水印旋转角度
    can.setFillColorRGB(r=0.3, g=0.6, b=0.9)  # 设置填充颜色
    can.setFillAlpha(a=0.2)  # 设置透明度
    for i in range(0, 30, 5):
        for j in range(0, 30, 5):
            can.drawString(x=i * cm, y=j * cm, text=content)  # 绘制6行x6列的水印文字
    can.save()  # 保存水印
    return filename

4.2 添加水印

def addWatermark(pdf_file_input, pdf_file_mark, pdf_file_output):
    """
    添加水印
    :param pdf_file_input: 需要添加水印的文件
    :param pdf_file_mark: 水印文件
    :param pdf_file_output: 输出文件
    :return:
    """
    input_file = PdfFileReader(pdf_file_input)
    output_file = PdfFileWriter()  # 创建PdfFileWriter对象
    page_count = len(input_file.pages)  # 获得PDF文件页数
    water_mark = PdfFileReader(pdf_file_mark)  # 读取水印PDF文件
    for pageNum in range(page_count):
        page = input_file.pages[pageNum]
        page.merge_page(water_mark.pages[0])  # 将两张PDF合并成1张
        output_file.add_page(page)  # 将页面添加到PDF文件
    with open(pdf_file_output, 'wb') as pf:
        output_file.write(pf)
    print(f'{pdf_file_input}添加水印-->处理完成')

完整代码

# author:mlnt
# createdate:2022/8/25
from pathlib import Path
from PyPDF2 import PdfFileReader, PdfFileWriter
from reportlab.lib.units import cm
from reportlab.pdfgen import canvas
import reportlab.pdfbase.ttfonts


def createWatermark(content):
    """
    创建水印
    :param content: 水印内容
    :return:
    """
    filename = 'watermark.pdf'  # 水印文件的文件名
    can = canvas.Canvas(filename=filename, pagesize=(30 * cm, 30 * cm))  # 设置水印文件的页面大小
    can.translate(5 * cm, 0 * cm)  # 设置页面的坐标原点
    # 注册水印文件需要使用的字体
    reportlab.pdfbase.ttfonts.pdfmetrics.registerFont(
        reportlab.pdfbase.ttfonts.TTFont(name='华文行楷', filename=r'C:\Windows\Fonts\STXINGKA.TTF'))
    can.setFont(psfontname='华文行楷', size=25)  # 设置水印字体即字号
    can.rotate(28)  # 设置水印旋转角度
    can.setFillColorRGB(r=0.3, g=0.6, b=0.9)  # 设置填充颜色
    can.setFillAlpha(a=0.2)  # 设置透明度
    for i in range(0, 30, 5):
        for j in range(0, 30, 5):
            can.drawString(x=i * cm, y=j * cm, text=content)  # 绘制6行x6列的水印文字
    can.save()  # 保存水印
    return filename


def addWatermark(pdf_file_input, pdf_file_mark, pdf_file_output):
    """
    添加水印
    :param pdf_file_input: 需要添加水印的文件
    :param pdf_file_mark: 水印文件
    :param pdf_file_output: 输出文件
    :return:
    """
    input_file = PdfFileReader(pdf_file_input)
    output_file = PdfFileWriter()  # 创建PdfFileWriter对象
    page_count = len(input_file.pages)  # 获得PDF文件页数
    water_mark = PdfFileReader(pdf_file_mark)  # 读取水印PDF文件
    for pageNum in range(page_count):
        page = input_file.pages[pageNum]
        page.merge_page(water_mark.pages[0])  # 将两张PDF合并成1张
        output_file.add_page(page)  # 将页面添加到PDF文件
    with open(pdf_file_output, 'wb') as pf:
        output_file.write(pf)
    print(f'{pdf_file_input}添加水印-->处理完成')

if __name__ == '__main__':
    # 创建Path对象
    src_folder = Path('PDF1')
    output_folder = Path('PDF_mark')
    # 判断输出目录是否存在
    if not output_folder.exists():
        # 不存在则创建
        output_folder.mkdir(parents=True)
    file_list = list(src_folder.glob('*.pdf'))  # 获得给定目录下的所有pdf文件的路径
    for file in file_list:
        pdf_file_in = str(file)  # 输入文件路径
        # 创建水印
        pdf_file_mark = createWatermark('绝密文件')
        # 输出文件名
        output_name = f'{file.stem}_mark.pdf'
        pdf_file_out = str(output_folder / output_name)  # 输出文件的路径
        addWatermark(pdf_file_in, pdf_file_mark, pdf_file_out)  # 添加水印

效果：