PyPDF2 是一个功能强大的 Python 库，用于操作和处理 PDF 文件。它支持读取、合并、拆分、加密、解密等多种 PDF 操作。以下是 PyPDF2 的详细介绍，包括其核心功能和常见用例。

1. 安装 PyPDF2

首先，安装 PyPDF2 库，可以使用 pip：

pip install PyPDF2

2. 基本功能介绍

PyPDF2 提供了许多用于处理 PDF 文件的函数，以下是常见功能的介绍。

2.1 读取 PDF 文件

  • 打开 PDF 文件并读取内容：
import PyPDF2

# 打开 PDF 文件
with open('example.pdf', 'rb') as pdf_file:
    pdf_reader = PyPDF2.PdfReader(pdf_file)
    # 获取页数
    num_pages = len(pdf_reader.pages)
    print(f"总页数: {num_pages}")

    # 读取每一页的内容
    for page_num in range(num_pages):
        page = pdf_reader.pages[page_num]
        page_text = page.extract_text()
        print(f"第 {page_num + 1} 页内容:\n{page_text}\n")

2.2 合并 PDF 文件

  • 合并多个 PDF 文件：
import PyPDF2

# 创建一个 PDF 合并对象
pdf_merger = PyPDF2.PdfMerger()

# 添加多个 PDF 文件
pdf_merger.append('file1.pdf')
pdf_merger.append('file2.pdf')

# 保存合并后的 PDF 文件
with open('merged.pdf', 'wb') as merged_pdf:
    pdf_merger.write(merged_pdf)

2.3 拆分 PDF 文件

  • 提取 PDF 文件中的特定页面：
import PyPDF2

with open('example.pdf', 'rb') as pdf_file:
    pdf_reader = PyPDF2.PdfReader(pdf_file)
    pdf_writer = PyPDF2.PdfWriter()

    # 假设我们要提取第 2 到 4 页
    for page_num in range(1, 4):
        page = pdf_reader.pages[page_num]
        pdf_writer.add_page(page)

    # 保存提取后的 PDF 文件
    with open('extracted_pages.pdf', 'wb') as new_pdf:
        pdf_writer.write(new_pdf)

2.4 添加水印

  • 在 PDF 文件中添加水印：
import PyPDF2

with open('original.pdf', 'rb') as original_pdf, open('watermark.pdf', 'rb') as watermark_pdf:
    pdf_reader = PyPDF2.PdfReader(original_pdf)
    watermark_reader = PyPDF2.PdfReader(watermark_pdf)
    pdf_writer = PyPDF2.PdfWriter()

    watermark_page = watermark_reader.pages[0]

    for page_num in range(len(pdf_reader.pages)):
        page = pdf_reader.pages[page_num]
        page.merge_page(watermark_page)  # 将水印添加到页面
        pdf_writer.add_page(page)

    with open('watermarked.pdf', 'wb') as watermarked_pdf:
        pdf_writer.write(watermarked_pdf)

2.5 加密与解密 PDF 文件

  • 加密 PDF 文件：
import PyPDF2

with open('example.pdf', 'rb') as pdf_file:
    pdf_reader = PyPDF2.PdfReader(pdf_file)
    pdf_writer = PyPDF2.PdfWriter()

    for page_num in range(len(pdf_reader.pages)):
        pdf_writer.add_page(pdf_reader.pages[page_num])

    # 设置密码
    pdf_writer.encrypt('password123')

    with open('encrypted.pdf', 'wb') as encrypted_pdf:
        pdf_writer.write(encrypted_pdf)
  • 解密 PDF 文件：
import PyPDF2

with open('encrypted.pdf', 'rb') as encrypted_pdf:
    pdf_reader = PyPDF2.PdfReader(encrypted_pdf)

    # 提供密码进行解密
    if pdf_reader.is_encrypted:
        pdf_reader.decrypt('password123')

    # 读取内容或执行其他操作
    page = pdf_reader.pages[0]
    print(page.extract_text())

2.6 旋转页面

  • 旋转 PDF 页面：
import PyPDF2

with open('example.pdf', 'rb') as pdf_file:
    pdf_reader = PyPDF2.PdfReader(pdf_file)
    pdf_writer = PyPDF2.PdfWriter()

    # 旋转第一页
    page = pdf_reader.pages[0]
    page.rotate_clockwise(90)  # 旋转90度
    pdf_writer.add_page(page)

    # 添加剩余的页面
    for page_num in range(1, len(pdf_reader.pages)):
        pdf_writer.add_page(pdf_reader.pages[page_num])

    # 保存旋转后的 PDF 文件
    with open('rotated.pdf', 'wb') as rotated_pdf:
        pdf_writer.write(rotated_pdf)

3. 常见用例

3.1 生成 PDF 报告

你可以结合报告生成库（如 ReportLab）创建 PDF 报告，然后使用 PyPDF2 合并、加密等。

3.2 文档批量处理

对于需要批量处理大量 PDF 文档的任务，例如对大量 PDF 文件进行合并、添加水印或加密，PyPDF2 是一个高效的选择。

3.3 自动化办公

PyPDF2 可用于自动化办公任务，比如将多个合同合并成一个文件，提取特定页数的内容等。

4. 注意事项

  • 文本提取的局限性：PyPDF2 的文本提取功能在处理复杂 PDF 文件（如包含图片、复杂布局等）时，可能会有一些限制。
  • 加密的兼容性：不同的 PDF 查看器可能会对加密文件的处理方式有所不同。
  • 支持的 PDF 版本：PyPDF2 对某些高级 PDF 功能的支持有限，处理特殊的 PDF 文件时，可能需要结合其他工具。

5. 总结

PyPDF2 是一个强大且灵活的工具，可以帮助你在 Python 中处理和操作 PDF 文件。通过掌握 PyPDF2，你可以大大提高处理 PDF 文件的效率，并为复杂的 PDF 操作提供自动化解决方案。