亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

一文教會你用Python讀取PDF文件

 更新時間:2022年08月09日 11:16:23   作者:夢想橡皮擦  
Python?工程師在日常的工作中,經常會碰到解析和處理PDF文件的情況。本文將pdfplumber進行PDF文件的讀取操作,感興趣的可以了解一下

實戰(zhàn)場景

Python 工程師在日常的工作中,經常會碰到解析和處理PDF文件的情況,實戰(zhàn)中需求主要分為如下情況:

  • 提取 PDF 中的文字
  • 將 PDF 中每頁轉換為圖片
  • word 轉換為PDF
  • PDF生成,編輯,導入導出
  • PDF在線渲染

除了最后一項需要前端配合以外,其余內容都可以直接在 python 端進行實現。

本次實戰(zhàn)選擇 pdfplumber 庫進行學習,可以提前安裝該庫,不過有一點需要注意,該庫主要用于讀取 PDF 進行操作,寫入和編輯無法實現,即本文學習一款專注于 PDF 內容提取的庫。

> pip install pdfplumber -i https://pypi.tuna.tsinghua.edu.cn/simple

pdfplumber 庫具備如下特點:

  • 可以訪問PDF對象中的任意元素詳細信息;
  • 可以提取文本和表格,而且用法簡單;
  • 集成了可視化調試。

Python PDF 實戰(zhàn)編碼

下面可以編寫 PDF 操作的基礎代碼。

import pdfplumber

with pdfplumber.open('./dddd.pdf') as pdf:
    for page in pdf.pages:
        print(page.extract_text())

        # 每頁打印一分頁分隔
        print('---------- 分頁分隔 ----------')

導入 pdfplumber 模塊之后,使用 pdfplumber.open('./dddd.pdf') 打開本地 pdf 文件,然后通過 pdf.pages 遍歷所有頁,在通過頁對象.extract_text() 方法,提取文本信息。

pdfplumber.open() 方法的簽名如下所示:

pdfplumber.open("文件名", password = "密碼", laparams = { "line_overlap": 0.7 })

其中各參數描述如下:

  • file_name:文件名,必選參數;
  • password:PDF的密碼;
  • laparams:布局參數。

除此之外,如果希望讀取 PDF,還可以使用 load() 方法,該方法也會返回 pdfplumber.PDF 類的實例。

pdfplumber.PDF 對象實例,主要有兩個重要屬性:

  • .metadata:從PDF的Info中獲取元數據鍵 /值對字典。 通常包括“ CreationDate”,“ ModDate”,“ Producer”等;
  • .pages:包含 pdfplumber.Page 實例的列表,每一個實例代表PDF每一頁的信息。

上文提及的 pdfplumber.Page 實例是 pdfplumber 的核心,后續(xù)對 PDF 的操作大量圍繞該類的屬性和方法實施,其重要屬性如下所示:

  • page_number:頁碼順序,第一頁的序號是 1;
  • witdh:寬度;
  • height:高度;
  • .objects/.chars/.lines/.rects/.curves/.figures/.images:獲取PDF頁中的重要數據。

核心方法如下所示:

  • extract_text():提取頁中的文本;
  • extract_words():提取所有單詞及其相關信息;
  • extract_tables(): 提取頁面的表格。

extract_text() 呈現結果

extract_words() 呈現結果

extract_tables() 呈現效果,由于 PDF 中無表格,所有每頁得到的都是空!

補充

當然Python除了讀取PDF文件,還有一些其他功能,例如加密PDF,旋轉和疊加頁面等,下面是實現的示例代碼

旋轉和疊加頁面

import PyPDF2

from PyPDF2.pdf import PageObject

# 創(chuàng)建一個讀PDF文件的Reader對象

reader = PyPDF2.PdfFileReader('resources/XGBoost.pdf')

# 創(chuàng)建一個寫PDF文件的Writer對象

writer = PyPDF2.PdfFileWriter()

# 對PDF文件所有頁進行循環(huán)遍歷

for page_num in range(reader.numPages):

      # 獲取指定頁碼的Page對象

      current_page = reader.getPage(page_num) # type: PageObject

      if page_num % 2 == 0:

         # 奇數頁順時針旋轉90度

         current_page.rotateClockwise(90)

      else:

# 偶數頁反時針旋轉90度

             current_page.rotateCounterClockwise(90)

      writer.addPage(current_page)

# 最后添加一個空白頁并旋轉90度

page = writer.addBlankPage() # type: PageObject

page.rotateClockwise(90)

# 通過Writer對象的write方法將PDF寫入文件

with open('resources/XGBoost-modified.pdf', 'wb') as file:

    writer.write(file)

加密PDF文件

import PyPDF2

reader = PyPDF2.PdfFileReader('resources/XGBoost.pdf')
writer = PyPDF2.PdfFileWriter()

for page_num in range(reader.numPages):
     writer.addPage(reader.getPage(page_num))

# 通過encrypt方法加密PDF文件,方法的參數就是rre

#設置的密碼
writer.encrypt('foobared')

with open('resources/XGBoost-encrypted.pdf', 'wb') as file:

       writer.write(file)

批量添加水印

import PyPDF2

from PyPDF2.pdf import PageObject

reader1 = PyPDF2.PdfFileReader('resources/XGBoost.pdf') reader2 = PyPDF2.PdfFileReader('resources/watermark.pdf')
writer = PyPDF2.PdfFileWriter()

# 獲取水印頁
watermark_page = reader2.getPage(0)

for page_num in range(reader1.numPages):

     current_page = reader1.getPage(page_num) # type: PageObject                                           current_page.mergePage(watermark_page)

     # 將原始頁和水印頁進行合并
     writer.addPage(current_page) 

# 將PDF寫入文件
with open('resources/XGBoost-watermarked.pdf', 'wb') as file:

       writer.write(file)

到此這篇關于一文教會你用Python讀取PDF文件的文章就介紹到這了,更多相關Python讀取PDF文件內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!

相關文章

  • 3段Python圖像處理的實用代碼的分享

    3段Python圖像處理的實用代碼的分享

    這篇文章主要介紹了3段Python圖像處理的實用代碼的分享,計算機視覺方向的Python實用代碼,用到多種庫具有一定的參考價值,需要的小伙伴可以參考一下
    2022-06-06
  • PyCM多類別混淆矩陣分析python庫功能使用探究

    PyCM多類別混淆矩陣分析python庫功能使用探究

    這篇文章主要為大家介紹了python編寫的PyCM多類混淆矩陣庫,用于多類別混淆矩陣分析,幫助用戶從不同角度評價分類模型的表現,這些指標包括但不限于準確率、召回率、F1分數、Kappa?統計量等,支持二分類、多分類及多標簽分類問題
    2024-01-01
  • Python Asyncio調度原理詳情

    Python Asyncio調度原理詳情

    這篇文章主要介紹了Python Asyncio調度原理詳情,Python.Asyncio是一個大而全的庫,它包括很多功能,而跟核心調度相關的邏輯除了三種可等待對象外,還有其它一些功能,它們分別位于runners.py,base_event.py,event.py三個文件中
    2022-06-06
  • Python如何輸出異常信息(行號)

    Python如何輸出異常信息(行號)

    這篇文章主要介紹了Python如何輸出異常信息(行號)問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2023-08-08
  • PyQt5利用QPainter繪制各種圖形的實例

    PyQt5利用QPainter繪制各種圖形的實例

    下面小編就為大家?guī)硪黄狿yQt5利用QPainter繪制各種圖形的實例。小編覺得挺不錯的,現在就分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2017-10-10
  • Python之ThreadPoolExecutor線程池問題

    Python之ThreadPoolExecutor線程池問題

    這篇文章主要介紹了Python之ThreadPoolExecutor線程池問題,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2023-03-03
  • 用Python解決計數原理問題的方法

    用Python解決計數原理問題的方法

    計數原理是數學中的重要研究對象之一,分類加法計數原理、分步乘法計數原理是解決計數問題的最基本、最重要的方法,也稱為基本計數原理,它們?yōu)榻鉀Q很多實際問題提供了思想和工具。本文教大家怎么用Python解決在數學中遇到的計數原理問題。
    2016-08-08
  • django實現分頁的方法

    django實現分頁的方法

    這篇文章主要介紹了django實現分頁的方法,實例分析了django分頁的技巧與Paginator對象的用法,需要的朋友可以參考下
    2015-05-05
  • Python中OpenCV實現查找輪廓的實例

    Python中OpenCV實現查找輪廓的實例

    本文將結合實例代碼,介紹 OpenCV 如何查找輪廓、獲取邊界框。具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2021-06-06
  • Python中工作日類庫Busines Holiday的介紹與使用

    Python中工作日類庫Busines Holiday的介紹與使用

    Python語言是通過區(qū)分類庫的方式來劃分功能。用戶根據自身的需要加載合適的類庫,來完成需要的功能。下面這篇文章主要給大家介紹了關于Python中工作日類庫Busines Holiday使用的相關資料,需要的朋友可以參考借鑒。
    2017-07-07

最新評論