Biblioteca Python cu sursă deschisă pentru a procesa fișiere PDF

Noțiuni introductive cu PikePDF

PikePDF necesită Python 3.6 și o versiune ulterioară. Puteți instala PikePDF folosind pip. Vă rugăm să utilizați următoarea comandă pentru a o instala.

 pip install pikepdf

Copiați pagini dintr-un PDF în altul prin Python

Biblioteca open source PikePDF oferă capacitatea care le permite dezvoltatorilor de software să coptească o pagină de la un PDF la altul cu doar câteva rânduri de cod Python. Copierea paginilor între obiecte PDF va crea o copie superficială a paginii sursă în fișierul PDF țintă și, prin urmare, modificarea paginilor nu va afecta documentele PDF originale. De asemenea, este posibil să înlocuiți anumite pagini cu conținut personalizat. De asemenea, este posibil să copiați pagini dintr-un anumit PDF.

 # 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)

Împărțire și îmbinare PDF prin Python

Biblioteca PDF PikePDF oferă dezvoltatorilor de software puterea de a accesa fișierele PDF existente și de a le împărți cu ușurință în mai multe fișiere PDF. În timp ce împărțim PDF, tot ce avem nevoie este ca noile PDF-uri să conțină paginile de destinație. De asemenea, biblioteca se asigură că transferă datele asociate fiecărei pagini, astfel încât fiecare pagină să stea pe cont propriu. Biblioteca a inclus și suport pentru îmbinarea sau concatenarea mai multor documente PDF într-unul singur. De asemenea, este posibil să inversați ordinea paginilor PDF cu doar câteva rânduri de cod.

 # 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')

Gestionați imaginile din documentul PDF prin Python

Biblioteca PDF PikePDF facilitează pentru dezvoltatorii de software să gestioneze imaginile dintr-un fișier PDF folosind comenzile Python. Biblioteca a inclus câteva funcții importante legate de gestionarea imaginilor, cum ar fi copierea imaginilor în pagina PDF, deschiderea și vizualizarea PDF, redimensionarea imaginilor, manipularea imaginilor dintr-un PDF, extragerea imaginilor din PDF, înlocuirea imaginilor, ștergerea unei imagini din PDF și multe altele .

 # 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

Gestionarea metadatelor PDF prin Python

Metadatele PDF includ informații foarte utile despre un document PDF, cum ar fi numele autorului, data creării și modificării, cuvinte cheie, informații despre drepturile de autor și așa mai departe. Biblioteca PDF PikePDF a inclus funcționalitate completă pentru accesarea și citirea metadatelor, extragerea metadatelor, ștergerea intrărilor de metadate din documentele PDF. Următorul exemplu de cod arată cum să extrageți metadate din documente 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)