转载请注明：陈熹 chenx6542@foxmail.com （简书号：半为花间酒）
若公众号内转载请联系公众号：早起Python
本例可以学到的知识点：
os模块综合应用glob模块综合应用PyPDF2模块操作
之前已经写过一个PDF合并的案例：多个PDF合并成单个PDF
这个案例初衷只是给大家提供一个便利的脚本，并没有太多讲解原理
其中涉及的就是PDF处理很实用的模块： PyPDF2
今天好好剖析一下这个模块
PyPDF2 导入模块的代码常常是：
from PyPDF2 import PdfFileReader, PdfFileWriter
这里导入了两个方法：
-
PdfFileReader可以理解为读取器 -
PdfFileWriter可以理解为写入器
接下来通过几个案例进一步认识这两个工具的奇妙之处
用到的示例文件是5个发票的pdf
每个发票的PDF都由两页组成：
一、合并
第一个工作是将5个发票pdf合并成10页。这里读取器和写入器应该怎么配合呢？
逻辑：
- 读取器将所有pdf读取一遍
- 读取器将读取的内容交给写入器
- 写入器统一输出到一个新pdf
这里还有一个重要的知识点：读取器只能将读取的内容一页一页交给写入器
因此，逻辑中第1步和第2步实际上不是彼此独立的步骤，而是读取器读取完一个pdf后，就将这个pdf全部页循环一遍，挨页交给写入器。最后等读取工作全部结束后再输出
看一下代码可以让思路更清楚：
from PyPDF2 import PdfFileReader, PdfFileWriter
path = r'C:\Users\xxxxxx'
pdf_writer = PdfFileWriter()
for i in range(1, 6):
pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))
for page in range(pdf_reader.getNumPages()):
pdf_writer.addPage(pdf_reader.getPage(page))
with open(path + r'\合并PDF\merge.pdf', 'wb') as out:
pdf_writer.write(out)
由于全部内容都需要交给同一个写入器最后一起输出，所以写入器的初始化一定是在循环体之外的，如果在循环体内则会变成每次访问读取一个pdf就生成一个新的写入器，这样每一个读取器交给写入器的内容就会被反复覆盖，无法实现我们的合并需求
循环体开头的代码：
for i in range(1, 6):
pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))
目的就是每次循环读取一个新的pdf文件交给读取器进行后续操作。实际上这种写法不是很提倡，由于各pdf命名恰好很规则，所以可以直接人为指定数字进行循环。更好的方法是用 glob 模块：
import glob
for file in glob.glob(path + '/*.pdf'):
pdf_reader = PdfFileReader(path)
代码中 pdf_reader.getNumPages(): 能够获取读取器的页数，配合 range 就能遍历读取器的所有页
pdf_writer.addPage(pdf_reader.getPage(page)) 能够将当前页交给写入器
最后，用 with 新建一个pdf并由写入器的 pdf_writer.write(out) 方法输出即可
二、拆分
如果明白了合并操作中读取器和写入器的配合，那么拆分就很好理解了，这里我们以拆分 INV1.pdf 为2个单独的pdf文档为例，同样也先来捋一捋逻辑
逻辑：
- 读取器读取PDF文档
- 读取器一页一页交给写入器
- 写入器每获取一页就立即输出
通过这个代码逻辑我们也可以明白，写入器初始化和输出的位置一定都在读取PDF循环每一页的循环体内，而不是在循环体外
代码很简单：
from PyPDF2 import PdfFileReader, PdfFileWriter
path = r'C:\Users\xxx'
pdf_reader = PdfFileReader(path + '\INV1.pdf')
for page in range(pdf_reader.getNumPages()):
# 遍历到每一页挨个生成写入器
pdf_writer = PdfFileWriter()
pdf_writer.addPage(pdf_reader.getPage(page))
# 写入器被添加一页后立即输出产生pdf
with open(path + '\INV1-{}.pdf'.format(page + 1), 'wb') as out:
pdf_writer.write(out)
三、水印
本次的工作是将下图：
作为水印添加到 INV1.pdf 中
首先是准备工作，将需要作为水印的图片插入word中调整合适位置后保存为PDF文件
然后就可以码代码了，需要额外用到 copy 模块，具体解释见下图：
就是把读取器和写入器初始化，并且把水印PDF页先读取好备用
核心代码稍微比较难理解：
加水印本质上就是把水印PDF页和需要加水印的每一页都合并一遍
由于需要加水印的PDF可能有很多页，而水印PDF只有一页，因此如果直接把水印PDF拿来合并，可以抽象理解成加完第一页，水印PDF页就没有了
因此不能直接拿来合并，而要把水印PDF页不断copy出来成新的一页备用new_page，再运用.mergePage 方法完成跟每一页合并，把合并后的页交给写入器待最后统一输出
关于 .mergePage 的使用：出现在下面的页.mergePage(出现在上面的页)
最后效果如图：
四、加密
加密很简单，只需要记住：加密是针对写入器加密，因此只需要在相关操作完成后调用 pdf_writer.encrypt(密码)
以单个PDF的加密为例：
网友评论