Biblioteca Python de código abierto para procesar archivos PDF

Primeros pasos con PikePDF

PikePDF requiere Python 3.6 y superior. Puede instalar PikePDF usando pip. Utilice el siguiente comando para instalarlo.

 pip install pikepdf

Copie páginas de un PDF a otro a través de Python

La biblioteca PikePDF de código abierto proporciona la capacidad que permite a los desarrolladores de software copagar una página de un PDF a otro con solo un par de líneas de código Python. La copia de páginas entre objetos PDF creará una copia superficial de la página de origen dentro del archivo PDF de destino y, por lo tanto, la modificación de las páginas no afectará a los documentos PDF originales. También es posible reemplazar páginas específicas con contenido personalizado. También es posible copiar páginas dentro de un PDF en particular.

 # PDF Documents Manipulation 
  from pikepdf import Pdf
  new_pdf = Pdf.new()
  with Pdf.open('sample.pdf') as pdf:
    pdf.save('output.pdf') 
   # Copying pages from other PDFs
  pdf = Pdf.open('../tests/resources/fourpages.pdf')
  appendix = Pdf.open('../tests/resources/sandwich.pdf')
  pdf.pages.extend(appendix.pages)

División y fusión de PDF a través de Python

La biblioteca PDF PikePDF brinda a los desarrolladores de software el poder de acceder a archivos PDF existentes y dividirlos en múltiples archivos PDF con facilidad. Al dividir PDF, todo lo que necesitamos es que los nuevos PDF contengan las páginas de destino. La biblioteca también se asegura de transferir los datos asociados con cada página, de modo que cada página sea independiente. La biblioteca también incluía soporte para fusionar o concatenar múltiples documentos PDF en uno solo. También es posible invertir el orden de las páginas PDF con solo un par de líneas de código.

 # PDF Splitting
  pdf = Pdf.open('../tests/resources/fourpages.pdf')
  for n, page in enumerate(pdf.pages):
  dst = Pdf.new()
  dst.pages.append(page)
  dst.save(f'{n:02d}.pdf')
  # Combine Multiple PDF pages into a single One
  from glob import glob
  pdf = Pdf.new()
  for file in glob('*.pdf'):
  src = Pdf.open(file)
  pdf.pages.extend(src.pages)
  pdf.save('merged.pdf')

Administre imágenes dentro de un documento PDF a través de Python

La biblioteca PDF PikePDF facilita a los desarrolladores de software el manejo de imágenes dentro de un archivo PDF mediante comandos de Python. La biblioteca ha incluido varias funciones importantes relacionadas con el manejo de imágenes, como copiar imágenes dentro de una página PDF, abrir y ver PDF, cambiar el tamaño de las imágenes, manipular imágenes en un PDF, extraer imágenes de un PDF, reemplazar imágenes, eliminar una imagen de un PDF y muchas más. .

 # Extract Image & Replace PDF Images
  import zlib
  rawimage = pdfimage.obj
  pillowimage = pdfimage.as_pil_image()
  greyscale = pillowimage.convert('L')
  greyscale = greyscale.resize((32, 32))
  rawimage.write(zlib.compress(greyscale.tobytes()), filter=Name("/FlateDecode"))
  rawimage.ColorSpace = Name("/DeviceGray")
  rawimage.Width, rawimage.Height = 32, 32

Manejo de metadatos PDF a través de Python

Los metadatos de PDF incluyen información muy útil sobre un documento PDF, como el nombre del autor, la fecha de creación y modificación, palabras clave, información de derechos de autor, etc. La biblioteca PDF PikePDF ha incluido una funcionalidad completa para acceder y leer metadatos, extraer metadatos y eliminar entradas de metadatos de documentos PDF. El siguiente ejemplo de código muestra cómo extraer metadatos de documentos PDF.

 # Extract PDF Metadata
  import pikepdf
  import sys
  # get the target pdf file from the command-line arguments
  pdf_filename = sys.argv[1]
  # read the pdf file
  pdf = pikepdf.Pdf.open(pdf_filename)
  docinfo = pdf.docinfo
  for key, value in docinfo.items():
    print(key, ":", value)