Sinun kaikkien on tunnettava PDF-tiedostot. Itse asiassa ne ovat yksi tärkeimmistä ja laajimmin käytetyistä digitaalisista medioista. PDF tarkoittaa Kannettava asiakirjamuoto . Se käyttää .pdf laajennus. Sitä käytetään asiakirjojen esittämiseen ja vaihtamiseen luotettavasti ohjelmistolaitteistosta tai käyttöjärjestelmästä riippumatta.
Keksijä Adobe PDF on nyt Kansainvälisen standardointijärjestön (ISO) ylläpitämä avoin standardi. PDF-tiedostot voivat sisältää linkkejä ja painikkeita ääni-video- ja liiketoimintalogiikkakentille.
Tässä artikkelissa opimme, kuinka voimme tehdä erilaisia ​​​​toimintoja, kuten:
 

• Tekstin purkaminen PDF-tiedostosta
• Kääntyvät PDF-sivut
• PDF-tiedostojen yhdistäminen
• PDF:n jakaminen
• Vesileiman lisääminen PDF-sivuille

Asennus: Käytä yksinkertaisia ​​python-skriptejä!
Käytämme kolmannen osapuolen moduulia pypdf.
pypdf on python-kirjasto, joka on rakennettu PDF-työkalusarjaksi. Se pystyy:
 

• Poimitaan asiakirjan tietoja (nimi tekijä…)
• Asiakirjojen jakaminen sivulta sivulta
• Asiakirjojen yhdistäminen sivu sivulta
• Sivujen rajaus
• Useiden sivujen yhdistäminen yhdeksi sivuksi
• PDF-tiedostojen salaus ja salauksen purku
• ja enemmän!

Asenna pypdf suorittamalla seuraava komento komentoriviltä:

pip install pypdf

Tässä moduulin nimessä kirjainkoolla on merkitystä, joten varmista, että ja on pieniä kirjaimia ja kaikki muu on isoja. Kaikki tässä opetusohjelmassa/artikkelissa käytetyt koodit ja PDF-tiedostot ovat saatavilla tässä .

lisää taulukkoon javassa

1. Tekstin purkaminen PDF-tiedostosta

# importing required classes from pypdf import PdfReader # creating a pdf reader object reader = PdfReader('example.pdf') # printing number of pages in pdf file print(len(reader.pages)) # creating a page object page = reader.pages[0] # extracting text from page print(page.extract_text()) 

Yllä olevan ohjelman tulos näyttää tältä:
 

20  
PythonBasics  
S.R.Doty  
August272008  
Contents  
  
1Preliminaries  
4  
1.1WhatisPython?...................................  
..4  
1.2Installationanddocumentation....................  
.........4     [and some more lines...]     

Yritetään ymmärtää yllä oleva koodi paloina:
 

reader = PdfReader('example.pdf')  

• Täällä luomme kohteen PdfReader pypdf-moduulin luokan ja välitä polku PDF-tiedostoon ja hanki PDF-lukuobjekti.
   

print(len(reader.pages))  

• sivuja ominaisuus ilmoittaa PDF-tiedoston sivujen lukumäärän. Esimerkiksi meidän tapauksessamme se on 20 (katso tulosteen ensimmäinen rivi).
   

pageObj = reader.pages[0]  

• Nyt luomme kohteen PageObject pypdf-moduulin luokka. PDF-lukijaobjektilla on toiminto sivut[] joka ottaa sivunumeron (alkaen indeksistä 0) argumenttina ja palauttaa sivuobjektin.
   

print(pageObj.extract_text())  

• Sivuobjektilla on toiminto Pura_teksti() poimia tekstiä PDF-sivulta.

Huomautus: Vaikka PDF-tiedostot sopivat mainiosti tekstin asettamiseen tavalla, joka on helppo tulostaa ja lukea, ohjelmistojen ei ole helppoa jäsentää tekstiksi. Näin ollen pypdf saattaa tehdä virheitä poimiessaan tekstiä PDF-tiedostosta, eikä se välttämättä pysty avaamaan joitain PDF-tiedostoja ollenkaan. Sinä et valitettavasti voi tehdä tälle paljoa. pypdf ei ehkä yksinkertaisesti pysty toimimaan joidenkin tiettyjen PDF-tiedostojesi kanssa.

2. Kääntyvät PDF-sivut
 

rikkoa java

# importing the required classes from pypdf import PdfReader PdfWriter def PDFrotate(origFileName newFileName rotation): # creating a pdf Reader object reader = PdfReader(origFileName) # creating a pdf writer object for new pdf writer = PdfWriter() # rotating each page for page in range(len(reader.pages)): pageObj = reader.pages[page] pageObj.rotate(rotation) # Add the rotated page object to the PDF writer writer.add_page(pageObj) # Write the rotated pages to the new PDF file with open(newFileName 'wb') as newFile: writer.write(newFile) def main(): # original pdf file name origFileName = 'example.pdf' # new pdf file name newFileName = 'rotated_example.pdf' # rotation angle rotation = 270 # calling the PDFrotate function PDFrotate(origFileName newFileName rotation) if __name__ == '__main__': # calling the main function main() 

Täältä näet, miten ensimmäinen sivu rotated_example.pdf näyttää tältä (oikea kuva) pyörityksen jälkeen:

Joitakin yllä olevaan koodiin liittyviä tärkeitä kohtia:
 

• Kiertoa varten luomme ensin PDF-lukijaobjektin alkuperäisestä PDF-tiedostosta.

writer = PdfWriter()  

• Kierretyt sivut kirjoitetaan uuteen PDF-tiedostoon. PDF-tiedostoihin kirjoittamiseen käytämme objektia PdfWriter pypdf-moduulin luokka.

for page in range(len(pdfReader.pages)):  
 pageObj = pdfReader.pages[page]  
 pageObj.rotate(rotation)  
 writer.add_page(pageObj)  

• Nyt toistamme alkuperäisen PDF:n jokaisen sivun. Saamme sivuobjektin .pages[] PDF-lukijaluokan menetelmä. Nyt käännämme sivua kiertää() sivuobjektiluokan menetelmä. Sitten lisäämme sivun PDF-kirjoitusobjektiin käyttämällä lisätä() PDF-kirjoitusluokan menetelmä ohittamalla kierretty sivuobjekti.

newFile = open(newFileName 'wb')  
writer.write(newFile)  
newFile.close()  

• Nyt meidän on kirjoitettava PDF-sivut uuteen PDF-tiedostoon. Ensin avataan uusi tiedostoobjekti ja kirjoitetaan siihen PDF-sivuja käyttämällä kirjoittaa() PDF-kirjoitusobjektin menetelmä. Lopuksi suljemme alkuperäisen PDF-tiedoston objektin ja uuden tiedostoobjektin.

3. PDF-tiedostojen yhdistäminen

# importing required modules from pypdf import PdfWriter def PDFmerge(pdfs output): # creating pdf file writer object pdfWriter = PdfWriter() # appending pdfs one by one for pdf in pdfs: pdfWriter.append(pdf) # writing combined pdf to output pdf file with open(output 'wb') as f: pdfWriter.write(f) def main(): # pdf files to merge pdfs = ['example.pdf' 'rotated_example.pdf'] # output pdf file name output = 'combined_example.pdf' # calling pdf merge function PDFmerge(pdfs=pdfs output=output) if __name__ == '__main__': # calling the main function main() 

Yllä olevan ohjelman tulos on yhdistetty PDF yhdistetty_esimerkki.pdf saatu yhdistämällä esimerkki.pdf ja rotated_example.pdf .
 

shweta tiwari

• Katsotaanpa tämän ohjelman tärkeitä näkökohtia:
   

pdfWriter = PdfWriter()

• Käytämme yhdistämiseen valmiiksi rakennettua luokkaa PdfWriter pypdf-moduulista.
  Täällä luomme objektin pdfwriter PDF-kirjoittajaluokasta

 # appending pdfs one by one  
 for pdf in pdfs:  
 pdfWriter.append(pdf)

• Nyt liitämme jokaisen PDF-tiedoston tiedostoobjektin PDF-kirjoitusobjektiin käyttämällä liitä() menetelmä.

 # writing combined pdf to output pdf file  
 with open(output 'wb') as f:  
 pdfWriter.write(f)

• Lopuksi kirjoitamme PDF-sivut tulostettavaan PDF-tiedostoon käyttämällä kirjoittaa PDF-kirjoitusobjektin menetelmä.

4. PDF-tiedoston jakaminen

# importing the required modules from pypdf import PdfReader PdfWriter def PDFsplit(pdf splits): # creating pdf reader object reader = PdfReader(pdf) # starting index of first slice start = 0 # starting index of last slice end = splits[0] for i in range(len(splits)+1): # creating pdf writer object for (i+1)th split writer = PdfWriter() # output pdf file name outputpdf = pdf.split('.pdf')[0] + str(i) + '.pdf' # adding pages to pdf writer object for page in range(startend): writer.add_page(reader.pages[page]) # writing split pdf pages to pdf file with open(outputpdf 'wb') as f: writer.write(f) # interchanging page split start position for next split start = end try: # setting split end position for next split end = splits[i+1] except IndexError: # setting split end position for last split end = len(reader.pages) def main(): # pdf file to split pdf = 'example.pdf' # split page positions splits = [24] # calling PDFsplit function to split pdf PDFsplit(pdf splits) if __name__ == '__main__': # calling the main function main() 

Tulos on kolme uutta PDF-tiedostoa jako 1 (sivu 01) jako 2 (sivu 23) jako 3 (sivu 4-pää) .
Yllä olevassa python-ohjelmassa ei ole käytetty uutta funktiota tai luokkaa. Yksinkertaista logiikkaa ja iteraatioita käyttämällä loimme läpäissyt PDF-osat läpäisyluettelon mukaan halkeaa .

f-merkkijono python

5. Vesileiman lisääminen PDF-sivuille

# importing the required modules from pypdf import PdfReader PdfWriter def add_watermark(wmFile pageObj): # creating pdf reader object of watermark pdf file reader = PdfReader(wmFile) # merging watermark pdf's first page with passed page object. pageObj.merge_page(reader.pages[0]) # returning watermarked page object return pageObj def main(): # watermark pdf file name mywatermark = 'watermark.pdf' # original pdf file name origFileName = 'example.pdf' # new pdf file name newFileName = 'watermarked_example.pdf' # creating pdf File object of original pdf pdfFileObj = open(origFileName 'rb') # creating a pdf Reader object reader = PdfReader(pdfFileObj) # creating a pdf writer object for new pdf writer = PdfWriter() # adding watermark to each page for page in range(len(reader.pages)): # creating watermarked page object wmpageObj = add_watermark(mywatermark reader.pages[page]) # adding watermarked page object to pdf writer writer.add_page(wmpageObj) # writing watermarked pages to new file with open(newFileName 'wb') as newFile: writer.write(newFile) # closing the original pdf file object pdfFileObj.close() if __name__ == '__main__': # calling the main function main() 

Alkuperäisen (vasemmalla) ja vesileimalla (oikealla) PDF-tiedoston ensimmäinen sivu näyttää tältä:
 

• Kaikki prosessi on sama kuin sivun kiertoesimerkissä. Ainoa ero on:
   

wmpageObj = add_watermark(mywatermark pdfReader.pages[page])  

• Sivuobjekti muunnetaan vesileimaiseksi sivuobjektiksi käyttämällä add_watermark() toiminto.
• Yritetään ymmärtää add_watermark() toiminto:
   

 reader = PdfReader(wmFile)  
 pageObj.merge_page(reader.pages[0])  
 return pageObj  

• Ensinnäkin luomme PDF-lukijaobjektin vesileima.pdf . Käytämme hyväksyttyyn sivuobjektiin yhdistä_sivu() funktio ja välitä vesileiman PDF-lukijaobjektin ensimmäisen sivun sivuobjekti. Tämä peittää vesileiman ohitetun sivuobjektin päälle.

Ja tässä pääsemme tämän pitkän opetusohjelman loppuun, joka käsittelee PDF-tiedostojen käyttöä pythonissa.
Nyt voit helposti luoda oman PDF-hallinnan!
Viitteet:
 

• https://automatetheboringstuff.com/chapter13/
• https://pypi.org/project/pypdf/

Jos pidät GeeksforGeeksistä ja haluat osallistua, voit myös kirjoittaa artikkelin osoitteessa write.geeksforgeeks.org tai lähettää artikkelisi osoitteeseen [email protected]. Katso artikkelisi ilmestyvän GeeksforGeeks-pääsivulle ja auta muita nörtejä.
Kirjoita kommentteja, jos huomaat jotain väärin tai haluat jakaa lisätietoja yllä käsitellystä aiheesta.