Python使用PyPDF2读写与处理PDF文件详解

Finn

发布时间：2026-10-16 | 4人浏览过

原创

本文介绍如何使用Python的PyPDF2库进行PDF文件的读取、写入、加密、解密、页面旋转、合并及添加水印等操作。涵盖从基础安装到具体代码实现的完整流程，包括处理加密文档的技巧和常见问题的解决方法。

本文主要介绍如何利用Python从PDF文件中提取文本内容，以及如何基于现有文档生成新的PDF文件。

实现上述功能需要依赖PyPDF2模块。

参考项目：mstamy2/PyPDF2: A utility to read and write PDFs with Python (github.com)

此外，建议关注较新的PyPDF4包，该库旨在逐步取代PyPDF2。

参考项目：claird/PyPDF4: A utility to read and write PDFs with Python (github.com)

另一个可选方案是pdfrw包，它同样能够执行许多与PyPDF2相似的操作。

参考项目：pmaupin/pdfrw: pdfrw is a pure Python library that reads and writes PDFs (github.com)

首先安装PyPDF2，在命令行中执行相关命令。由于该库没有外部依赖项，因此安装过程非常迅速。

pip install PyPDF2

操作方法

1、从PDF读取文本

需要注意的是，PyPDF2无法从PDF文档中提取图像、图表或其他媒体文件，但它能够提取文本内容，并将提取结果以Python字符串的形式返回。

import PyPDF2
# ===============从pdf中提取文本===========
pdffile = open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf', 'rb')  # 读取pdf文件
pdfreader = PyPDF2.PdfFileReader(pdffile)  # 读入到
print(pdfreader.numPages)  # 读取pdf页数======19

以下是获取第一页内容的示例代码：

page0 = pdfreader.getPage(0)  #获取第1页，第一页是0
print(page0.extractText())  # 获取第2页的内容，返回的是字符串

运行后得到的文本内容如下：

2、解密PDF

部分文档包含加密功能，以限制未授权访问。只有提供正确的口令打开文档时，才能阅读其内容。例如，我打开的该文件加密口令为rosebud。

实际上，在读取PDF文件时，首先应检查文档是否已加密。如果已加密，isEncrypted属性将返回True，此时必须提供口令才能继续操作。

# 某些pdf文件是加密的，防止别人阅读的，只有打开文档的时候提供口令才能阅读
pdf_reader = PyPDF2.PdfFileReader(open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\encrypted.pdf','rb'))
print(pdf_reader.isEncrypted)  # 文件是否加密

解密后的返回结果如下：

如果在未提供口令的情况下直接尝试获取内容，

print(pdf_reader.getPage(0))  # PyPDF2.utils.PdfReadError: file has not been decrypted 文件还没有解锁

系统将提示出现错误。

此时，需调用decrypt方法并输入正确口令，随后即可正常读取内容。

print(pdf_reader.decrypt('rosebud'))  # rosebud==正确口令显示1，其他显示0
page_obj = pdf_reader.getPage(0)  # 这样才能正确读取
print(page_obj.extractText())

3、创建PDF

PyPDF2支持创建新的PDF文件，但其写入能力有限，仅支持从其他PDF中拷贝页面、旋转页面、叠加页面以及加密文件。后续将逐一介绍这些功能。

4、拷贝页面

# ==========拷贝页面==============
pdffile1 = open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf', 'rb')
pdffile2 = open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes2.pdf', 'rb')
pdf1_reader = PyPDF2.PdfFileReader(pdffile1)
pdf2_reader = PyPDF2.PdfFileReader(pdffile2)
# 创建一个pdf文档，这个只是代表pdf文档的值，并没有创建实际的文档。
pdf_writer = PyPDF2.PdfFileWriter()
# 将文档一页一页的读入到新的文档
for pagenum in range(pdf1_reader.numPages):
    pageobj = pdf1_reader.getPage(pagenum)
    pdf_writer.addPage(pageobj)

for pagenum in range(pdf2_reader.numPages):
    pageobj = pdf2_reader.getPage(pagenum)
    pdf_writer.addPage(pageobj)
    
# write方法才能真正生成一个文件
pdfoutputfile = open('combin.pdf','wb')
pdf_writer.write(pdfoutputfile)
pdfoutputfile.close()
pdffile1.close()
pdffile2.close()

执行代码后，将在对应目录下生成一个新的PDF文件。

5、旋转页面

利用rotateClockwise()和rotateCounterClockwise()方法，可以将PDF页面旋转90度的整数倍。

pdffile1 = open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf', 'rb')
pdfreaders = PyPDF2.PdfFileReader(pdffile1)
page = pdfreaders.getPage(0)  # 获取第一页
page.rotateClockwise(90)  # 第一页旋转90度
# 创建一个新的PDF文档
pdfwriter = PyPDF2.PdfFileWriter()
# 添加内容
pdfwriter.addPage(page)
# 真实创建PDF文件并写入内容
result = open('ratated.pdf','wb')
pdfwriter.write(result)
# 关闭文件
result.close()
pdffile1.close()

打开生成的PDF文档，查看结果如下：

6、叠加页面

有时需要在PDF中添加公司标志、时间戳或水印。使用PyPDF2库同样可以实现这一功能。

# 给指定的页面添加水印、公司标志或者时间戳。
pdffile1 = open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf', 'rb')
pdf_reader1 = PyPDF2.PdfFileReader(pdffile1)
# 获取该文档的第一页
first_page = pdf_reader1.getPage(0)
# 打开印有水印的PDF文件
water_pdf = PyPDF2.PdfFileReader(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\watermark.pdf', 'rb')
# 在上一个文档的第一页中加入这个有水印的文件
first_page.mergePage(water_pdf.getPage(0))
# 将读取的内容写入到对象中
pdfwriter = PyPDF2.PdfFileWriter()
pdfwriter.addPage(first_page)

叠加后的结果如下：

7、加密PDF

我们可以对拷贝后的页面进行加密处理。

pdffile1 = open(r'E:\python让繁琐的工作自动化\13_处理pdf和word文档\data\meetingminutes.pdf', 'rb')
pdf_reader1 = PyPDF2.PdfFileReader(pdffile1)
# 将读取的内容写入对象中
pdfwriter = PyPDF2.PdfFileWriter()
for pagenum in range(pdf_reader1.numPages):
    pdfwriter.addPage(pdf_reader1.getPage(pagenum))

# 输入口令
pdfwriter.encrypt('meimei')
# 真正创建PDF文件
result_pdf = open('encry.pdf','wb')
pdfwriter.write(result_pdf)
# 关闭文件
result_pdf.close()

点击生成的PDF文件进行测试。