20行Python代码实现永久免费PDF编辑工具

PDF是日常工作中极为常见的文件格式，广泛应用于文献、合同及各类文档中。凭借其格式高度稳定的特性，PDF在打印、分享及传输过程中能够最大程度地保留原始的色彩与排版效果。

PDF基于PostScript语言图像模型构建，虽然在格式稳定性上表现优异，但在可编辑性方面却给使用者带来了诸多不便。

特别是在文档分割、合并、剪切、格式转换及内容编辑等场景下，PDF往往显得力不从心。

诸如Adobe Reader、福昕阅读器、熊猫PDF等常用工具主要侧重于文档阅读，其免费版本通常不支持编辑功能。虽然SmallPDF、I love PDF等网页版工具支持编辑，但往往对文档大小有限制。

此前，为了替换PDF中的某一页，我曾尝试市面上所有主流工具，最终仍不得不付费使用专业软件才能解决问题。

反思之后，既然商业化软件存在局限，为何不尝试自行开发一款工具？既然几十行代码即可解决的需求，何必耗费精力去下载、安装那些缺乏诚意且可能收费的软件？

本文将介绍如何利用Python轻松开发一款PDF编辑工具，实现PDF转TXT、页面分割、合并、剪切及格式转换等功能。

PyPDF2

PyPDF2是一个第三方Python库，支持对PDF文件进行分割、合并、裁剪及页面转换操作。

此外，它还支持为PDF添加自定义数据、水印及密码保护，并能从PDF中提取文本和元数据信息。

安装

可直接使用pip进行安装：

$ pip install PyPDF2

接下来演示几项核心PDF编辑功能，并逐行解析代码含义。

删除PDF页

首先展示实现代码：

from PyPDF2 import PdfFileWriter, PdfFileReader
 
output = PdfFileWriter()     // 1
input1 = PdfFileReader(open("example.pdf", "rb")) // 2
 
def delete_pdf(index):
 pages = input1.getNumPages() // 3
 
 for i in range(pages):
  if i+1 in index:
   continue
  output.addPage(input1.getPage(i))  // 4
 
 outputStream = open("PyPDF2-output.pdf", "wb")
 output.write(outputStream)  // 5
 
delete_pdf([2,3,4])

以下解释代码中的关键步骤：

• 声明一个用于输出新PDF的实例；
• 读取本地现有的PDF文件；
• 获取该PDF文档的总页数；
• 遍历读取PDF的第i页，并将其添加到输出实例中；
• 将编辑后的文档保存至本地。

合并PDF

在实现删除页面功能后，接下来演示如何将其他PDF中的页面合并到当前文档中。

方法1：

可基于前述删除页面的逻辑进行拓展，实现PDF合并。

from PyPDF2 import PdfFileWriter, PdfFileReader
 
output = PdfFileWriter()
input1 = PdfFileReader(open("example.pdf", "rb"))
input2 = PdfFileReader(open("simple2.pdf", "rb")) // 1
 
def merge_pdf(add_index, origin_index):
 pages = input1.getNumPages()
 k = 0
 for i in range(pages):
  if i+1 in add_index:
   output.addPage(input2.getPage(origin_index[k])) // 2
   pages += 1
   k += 1
  output.addPage(input1.getPage(i))
 
 outputStream = open("PyPDF2-output.pdf", "wb")
 output.write(outputStream)
 
merge_pdf([2,3,4], [0, 0, 0])

• 读取需要合并的源文件；
• 遍历至指定页码，将源PDF的页面合并进来；

方法2：

除方法1外，还有另一种合并PDF的方式：

from PyPDF2 import PdfFileMerger // 1
 
merger = PdfFileMerger()
 
input1 = open("document1.pdf", "rb") // 2
input2 = open("document2.pdf", "rb")
input3 = open("document3.pdf", "rb")
 
merger.append(fileobj = input1, pages = (0,3)) // 3
 
merger.merge(position = 2, fileobj = input2, pages = (0,1)) // 4
 
merger.append(input3) // 5
 
output = open("document-output.pdf", "wb")
merger.write(output)

• 导入PyPDF2的合并模块PdfFileMerger；
• 读取需要处理和合并的PDF文档；
• 从第一个PDF文档中提取前3页；
• 将第二个PDF文档的第一页插入到指定位置；
• 将第三个PDF文档附加到输出文档末尾；

除上述两项主要功能外，PyPDF2还提供了一些其他实用小功能：

旋转

input1.getPage(1).rotateClockwise(90)

可将页面1顺时针旋转90度。

添加水印

page = input1.getPage(3)
watermark = PdfFileReader(open("watermark.pdf", "rb"))
page.mergePage(watermark.getPage(0))

其中，水印内容存储在另一个名为watermark.pdf的PDF文档中。

加密

password = "secret"
output.encrypt(password)

首先设定一个secret密码，随后使用encrypt方法对输出文档进行加密处理。

pdfminer

前文介绍的PyPDF2主要擅长于页面级编辑，而在文本及源数据级别的编辑能力相对较弱。

因此，这里介绍另一款Python库以弥补这一不足。

PDFMiner是一款专注于PDF文档文本提取的工具，具备以下特性：

• 能够准确获取文本的位置和布局信息；
• 可将PDF转换为HTML、XML等格式；
• 可以提取文档目录；
• 可以提取标签内容；
• 支持多种字体类型（Type1、TrueType、Type3和CID）；
• 支持中、日、韩语言及垂直书写文本。

安装

$ pip install pdfminer

PDF转TXT

pdfminer在GitHub托管项目中，于tools目录下提供了一系列实用工具集，如PDF转HTML、PDF转TXT等。我们可以直接通过以下命令提取PDF文档中的文本信息。

$ pdf2txt.py samples/simple1.pdf

总结

通过上述两款Python库，即可实现从页面操作到文本元数据的完整编辑流程。本文仅简要介绍了各项基本用法，详细用法及函数列表可参考官方文档或GitHub项目源码。此外，可在基础用法上拓展思维，挖掘更多有价值的应用场景，例如提取文本数据后调用翻译API进行文献翻译，或对软件进行封装，开发成通用的PDF编辑工具。

仅用20行Python代码便轻松解决了长期困扰用户的PDF编辑难题，充分彰显了Python的作用与价值。

关于20行Python代码实现永久免费PDF编辑工具的文章介绍至此，更多相关Python PDF编辑工具内容请搜索本站历史文章或继续浏览后续相关文章，希望大家以后多多支持本站！