Python中如何使用pypdf2合并、分割、加密pdf文件

小編給大家分享一下Python中如何使用pypdf2合并、分割、加密pdf文件，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

python可以做什么

Python是一種編程語言，內置了許多有效的工具，Python幾乎無所不能，該語言通俗易懂、容易入門、功能強大，在許多領域中都有廣泛的應用，例如最熱門的大數據分析，人工智能，Web開發等。

朋友需要對一個pdf文件進行分割，在網上查了查發現這個pypdf2可以完成這些操作，所以就研究了下這個庫，并做一些記錄。首先pypdf2是python3版本的，在之前的2版本有一個對應pypdf庫。

可以使用pip直接安裝：

pip install pypdf2

官方文檔： pythonhosted.org/PyPDF2/

里面主要有這幾個類：

PdfFileReader 。

該類主要提供了對pdf文件的讀操作，其構造方法為：

PdfFileReader(stream, strict=True, warndest=None, overwriteWarnings=True)

第一個參數可以傳入一個文件流，或者一個文件路徑。后面三個參數都是用來設置警告的處理方式，直接使用默認的即可。

得到實例之后，就可以對pdf進行一些操作了。主要的有以下幾個操作：

• decrypt(password)：如果pdf文件加密的話，可以使用該方法對其解密。

• getDocumentInfo()：檢索pdf文件的一些信息。其返回值為一個DocumentInformation 類型，直接輸出的話會得到類似下面的信息：

{'/ModDate': "D:20150310202949-07'00'", '/Title': '', '/Creator': 'LaTeX with hyperref package', '/CreationDate': "D:20150310202949-07'00'", '/PTEX.Fullbanner': 'This is pdfTeX, Version 3.14159265-2.6-1.40.15 (TeX Live 2014/MacPorts 2014_6) kpathsea version 6.2.0', '/Producer': 'pdfTeX-1.40.15', '/Keywords': '', '/Trapped': '/False', '/Author': '', '/Subject': ''}

• getNumPages()：這個會pdf文件中的頁數。

• getPage(pageNumber)：會得到pdf文件中對應的pageNumber頁數的頁面對象，返回值為PageObject實例。在得到PageObject實例之后就可以將其加添、插入等操作。

• getPageNumber(page)：與上面的方法對立，可以傳入PageObject實例，然后得到該實例是pdf文件中第幾頁的。

• getOutlines(node=None, outlines=None)：檢索文檔中出現的文檔大綱。

• isEncrypted：記錄該pdf是否加密。如果文件本身加密，即使在使用解密decrypt方法之后，還是會返回true。

• numPages：pdf總共的頁數，相當于訪問getNumPages()的只讀屬性。

PdfFileWriter 。

該類支持對pdf文件進行寫操作，通常是使用PdfFileReader讀取一些pdf數據，然后使用該類進行一些操作。

創建該類的實例時不需要參數。

其主要的方法有：

• addAttachment(fname, fdata)：向pdf添加文件。

• addBlankPage(width=None, height=None)：給pdf添加一個空白頁到最后，如果沒有指定大小就使用當前Weiter中pdf最后一頁的大小。

• addPage(page)：添加page到pdf中，通常這個page是由上面的Reader獲取的。

• appendPagesFromReader(reader, after_page_append=None)：將reader中的數據拷貝到當前的Writer實例中，并且如果指定after_page_append的話，最后還有回掉該函數并且將writer中的數據傳入其中。

• encrypt(user_pwd, owner_pwd=None, use_128bit=True)：將pdf進行加密，其中官方說userpwd是允許用戶使用一些限制的權限打開pdf文件，也就是使用該密碼的話可能會有一些限制，但是本人并沒有在文檔中找到設置權限的內容。而ownerpwd則是允許用戶無限制的使用。第三個參數是是否使用128位加密。

• getNumPages()：得到pdf頁數。

• getPage(pageNumber)：得到對應頁數的Page，是一個PageObject對象，可以使用上面的addPage方法將page進行添加。

• insertPage(page, index=0)：將page添加到pdf中，index指定的是被插入的位置。

• write(stream)：將該Writer中的內容寫入到文件中。

PdfFileMerger。

該類用來合并pdf文件，該類的構造方法有一個參數：PdfFileMerger(strict=True)，注意這里的參數后面會介紹：

常用方法：

• addBookmark(title, pagenum, parent=None)：給pdf添加一個書簽，title是書簽的標題，pagenum是該書簽指向的頁面。

• append(fileobj, bookmark=None, pages=None, import_bookmarks=True)：將指定的fileobj文件添加到文件的末尾，bookmark是贖前，pages可以使用(start, stop[, step])或者一個 Page Range來設定將fileobj中的指定范圍的頁面進行添加。

• merge(position, fileobj, bookmark=None, pages=None, import_bookmarks=True)：與append方法類似，不過可以使用position參數指定添加的位置。

• write(fileobj)：將數據寫入到文件中。

使用的時候可以創建一個PdfFileMerger實例，然后使用append或者merge將想要融合的pdf文件依次添加進去，最后使用write保存即可。

def merge_pdf():
  # 創建一個用來合并文件的實例
  pdf_merger = PdfFileMerger()

  # 首先添加一個Week1_1.pdf文件
  pdf_merger.append('Week1_1.pdf')
  # 然后在第0頁后面添加ex1.pdf文件
  pdf_merger.merge(0, 'ex1.pdf')
  # 添加書簽
  pdf_merger.addBookmark('這是一個書簽', 1)
  # 將其寫入到文件中
  pdf_merger.write('merge_pdf.pdf')

下面看一下PdfFileMerger(strict=True)中的這個參數：

官方對這個參數的解釋：

strict (bool) – Determines whether user should be warned of all problems and also causes some correctable problems to be fatal. Defaults to True.

確定是否應該警告用戶所有問題，并且還會導致一些可糾正的問題。

剛開始感覺這個參數就是用來是否警告用戶一些錯誤的，直接使用默認即可，但是當本人嘗試合并帶中文的pdf時，出現了如下錯誤：

Traceback (most recent call last):
 File "I:\python3.5\lib\site-packages\PyPDF2\generic.py", line 484, in readFromStream
  return NameObject(name.decode('utf-8'))
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xc8 in position 10: invalid continuation byte

During handling of the above exception, another exception occurred:

PyPDF2.utils.PdfReadError: Illegal character in Name Object

在源碼包中使用utf解碼的時候出錯了，嘗試修改此處源碼，讓其使用gbk，但是還出現了其他的錯誤。最后發現當把構造函數中的strict設置為False時，控制臺會打印下面的錯誤：

PdfReadWarning: Illegal character in Name Object [generic.py:489]

但是兩個文件成功的合并了，并且大概看了下合并后的文件有時好又是壞，同樣的代碼運行多次，有時候能夠正常處理中文，但有時候中文亂碼。

除了列出的方法還有一些其他的方法，比如添加書簽、添加鏈接等等，可以參考官方文檔。

對pdf進行合并、分割、加密。

整合出來了加密、解密、合并、根據頁數進行分割、根據份數進行分割的樣例：

使用注意：如果時中文文件，運行結果可能會出現亂碼，但是多運行幾次，中間有正常顯示中文的問題。具體原因還不清楚，但就是這么玄學。。。

代碼傳送門

# @Time  : 2018/3/26 23:48
# @Author : Leafage
# @File  : handlePDF.py
# @Software: PyCharm
# @Describe: 對pdf文件執行合并、分割、加密操作。
from PyPDF2 import PdfFileReader, PdfFileMerger, PdfFileWriter
def get_reader(filename, password):
  try:
    old_file = open(filename, 'rb')
  except IOError as err:
    print('文件打開失敗！' + str(err))
    return None
  # 創建讀實例
  pdf_reader = PdfFileReader(old_file, strict=False)
  # 解密操作
  if pdf_reader.isEncrypted:
    if password is None:
      print('%s文件被加密，需要密碼！' % filename)
      return None
    else:
      if pdf_reader.decrypt(password) != 1:
        print('%s密碼不正確！' % filename)
        return None
  if old_file in locals():
    old_file.close()
  return pdf_reader
def encrypt_pdf(filename, new_password, old_password=None, encrypted_filename=None):
  """
  對filename所對應的文件進行加密,并生成一個新的文件
  :param filename: 文件對應的路徑
  :param new_password: 對文件加密使用的密碼
  :param old_password: 如果舊文件進行了加密，需要密碼
  :param encrypted_filename: 加密之后的文件名，省卻時使用filename_encrypted;
  :return:
  """
  # 創建一個Reader實例
  pdf_reader = get_reader(filename, old_password)
  if pdf_reader is None:
    return
  # 創建一個寫操作的實例
  pdf_writer = PdfFileWriter()
  # 從之前Reader中將數據寫入到Writer中
  pdf_writer.appendPagesFromReader(pdf_reader)
  # 重新使用新密碼加密
  pdf_writer.encrypt(new_password)
  if encrypted_filename is None:
    # 使用舊文件名 + encrypted 作為新的文件名
    encrypted_filename = "".join(filename.split('.')[:-1]) + '_' + 'encrypted' + '.pdf'
  pdf_writer.write(open(encrypted_filename, 'wb'))
def decrypt_pdf(filename, password, decrypted_filename=None):
  """
  將加密的文件及逆行解密，并生成一個無需密碼pdf文件
  :param filename: 原先加密的pdf文件
  :param password: 對應的密碼
  :param decrypted_filename: 解密之后的文件名
  :return:
  """
  # 生成一個Reader和Writer
  pdf_reader = get_reader(filename, password)
  if pdf_reader is None:
    return
  if not pdf_reader.isEncrypted:
    print('文件沒有被加密，無需操作！')
    return
  pdf_writer = PdfFileWriter()
  pdf_writer.appendPagesFromReader(pdf_reader)
  if decrypted_filename is None:
    decrypted_filename = "".join(filename.split('.')[:-1]) + '_' + 'decrypted' + '.pdf'
  # 寫入新文件
  pdf_writer.write(open(decrypted_filename, 'wb'))
def split_by_pages(filename, pages, password=None):
  """
  將文件按照頁數進行平均分割
  :param filename: 所要分割的文件名
  :param pages: 分割之后每個文件對應的頁數
  :param password: 如果文件加密，需要進行解密操作
  :return:
  """
  # 得到Reader
  pdf_reader = get_reader(filename, password)
  if pdf_reader is None:
    return
  # 得到總的頁數
  pages_nums = pdf_reader.numPages
  if pages <= 1:
    print('每份文件必須大于1頁！')
    return
  # 得到切分之后每個pdf文件的頁數
  pdf_num = pages_nums // pages + 1 if pages_nums % pages else int(pages_nums / pages)
  print('pdf文件被分為%d份，每份有%d頁！' % (pdf_num, pages))
  # 依次生成pdf文件
  for cur_pdf_num in range(1, pdf_num + 1):
    # 創建一個新的寫實例
    pdf_writer = PdfFileWriter()
    # 生成對應的文件名稱
    split_pdf_name = "".join(filename)[:-1] + '_' + str(cur_pdf_num) + '.pdf'
    # 計算出當前開始的位置
    start = pages * (cur_pdf_num - 1)
    # 計算出結束的位置，如果是最后一份就直接返回最后的頁數，否則用每份頁數*已經分好的文件數
    end = pages * cur_pdf_num if cur_pdf_num != pdf_num else pages_nums
    # print(str(start) + ',' + str(end))
    # 依次讀取對應的頁數
    for i in range(start, end):
      pdf_writer.addPage(pdf_reader.getPage(i))
    # 寫入文件
    pdf_writer.write(open(split_pdf_name, 'wb'))
def split_by_num(filename, nums, password=None):
  """
  將pdf文件分為nums份
  :param filename: 文件名
  :param nums: 要分成的份數
  :param password: 如果需要解密，輸入密碼
  :return:
  """
  pdf_reader = get_reader(filename, password)
  if not pdf_reader:
    return
  if nums < 2:
    print('份數不能小于2！')
    return
  # 得到pdf的總頁數
  pages = pdf_reader.numPages
  if pages < nums:
    print('份數不應該大于pdf總頁數！')
    return
  # 計算每份應該有多少頁
  each_pdf = pages // nums
  print('pdf共有%d頁，分為%d份，每份有%d頁！' % (pages, nums, each_pdf))
  for num in range(1, nums + 1):
    pdf_writer = PdfFileWriter()
    # 生成對應的文件名稱
    split_pdf_name = "".join(filename)[:-1] + '_' + str(num) + '.pdf'
    # 計算出當前開始的位置
    start = each_pdf * (num - 1)
    # 計算出結束的位置，如果是最后一份就直接返回最后的頁數，否則用每份頁數*已經分好的文件數
    end = each_pdf * num if num != nums else pages
    print(str(start) + ',' + str(end))
    for i in range(start, end):
      pdf_writer.addPage(pdf_reader.getPage(i))
    pdf_writer.write(open(split_pdf_name, 'wb'))
def merger_pdf(filenames, merged_name, passwords=None):
  """
  傳進來一個文件列表，將其依次融合起來
  :param filenames: 文件列表
  :param passwords: 對應的密碼列表
  :return:
  """
  # 計算共有多少文件
  filenums = len(filenames)
  # 注意需要使用False 參數
  pdf_merger = PdfFileMerger(False)
  for i in range(filenums):
    # 得到密碼
    if passwords is None:
      password = None
    else:
      password = passwords[i]
    pdf_reader = get_reader(filenames[i], password)
    if not pdf_reader:
      return
    # append默認添加到最后
    pdf_merger.append(pdf_reader)
  pdf_merger.write(open(merged_name, 'wb'))
def insert_pdf(pdf1, pdf2, insert_num, merged_name, password1=None, password2=None):
  """
  將pdf2全部文件插入到pdf1中第insert_num頁
  :param pdf1: pdf1文件名稱
  :param pdf2: pdf2文件名稱
  :param insert_num: 插入的頁數
  :param merged_name: 融合后的文件名稱
  :param password1: pdf1對應的密碼
  :param password2: pdf2對應的密碼
  :return:
  """
  pdf1_reader = get_reader(pdf1, password1)
  pdf2_reader = get_reader(pdf2, password2)
  # 如果有一個打不開就返回
  if not pdf1_reader or not pdf2_reader:
    return
  # 得到pdf1的總頁數
  pdf1_pages = pdf1_reader.numPages
  if insert_num < 0 or insert_num > pdf1_pages:
    print('插入位置異常，想要插入的頁數為：%d，pdf1文件共有：%d頁！' % (insert_num, pdf1_pages))
    return
  # 注意需要使用False參數，可能會出現中文亂碼的情況
  m_pdf = PdfFileMerger(False)
  m_pdf.append(pdf1)
  m_pdf.merge(insert_num, pdf2)
  m_pdf.write(open(merged_name, 'wb'))
if __name__ == '__main__':
  # encrypt_pdf('ex1.pdf', 'leafage')
  # decrypt_pdf('ex1123_encrypted.pdf', 'leafage')
  # split_by_pages('ex1.pdf', 5)
  split_by_num('ex2.pdf', 3)
  # merger_pdf(['ex1.pdf', 'ex2.pdf'], 'merger.pdf')
  # insert_pdf('ex1.pdf', 'ex2.pdf', 10, 'pdf12.pdf')

以上是“Python中如何使用pypdf2合并、分割、加密pdf文件”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！