事情的经过是这样的,由于现有的PDF文件太多了而我真正需要的内容只有十几页。
网站建设哪家好,找创新互联建站!专注于网页设计、网站建设、微信开发、微信小程序开发、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了田东免费建站欢迎大家使用!
每次查找不方便,另外需要发给自己的小伙伴也太多别人也不容易找到需要的内容,所以产生了一个想法就是把需要的PDF提取出来然后另存为一个PDF文件。
于是就有了这次的PDF页面提取操作,下面进入实战环节。
项目中用到的库主要是PyPDF2用于PDF格式文件的提取等操作,另外还需要os操作库用来做文件的读写、另存为操作。
【阅读全文】
from PyPDF2 import PdfFileReader, PdfFileWriter # PDF格式文件操作
import os # 系统文件操作
第一步:初始化在PDF文件操作过程中的相关参数。
# 定义文件的操作路径(需要提取内容的原文件路径)
file_path = 'data.pdf'
# 定义目标文件路径(已经提取好的文件路径)
output_file_path = ''
# 定义开始提取页的页码
begin = '102'
# 定义结束提取页的页码
end = '113'
# 初始化已经提取好的文件路径
output_file_path = output_file_path + f'({begin}~{end}).pdf'
第二步:判断需要操作的原始文件是否存在、判断需要提取的页码是否在合理的范围内。
# 判断pdf文件是否存在,存在则继续读取文件
if os.path.isfile(file_path):
global pdf_obj_reader
pdf_obj_reader = PdfFileReader(file_path) # 读取原始文件所有内容
# 判断一下页码是否在合理的范围内。
if begin < 1 or end > pdf_obj_reader.getNumPages():
print('请输入合理的页面范围')
else:
exit(0)
第三步:根据需要提取内容的pdf页码范围提取pdf内容并写入PDF文件写入流。
# 初始化文件写入流。
global pdf_obj_writer
pdf_obj_writer = PdfFileWriter()
# 遍历已经读取的文件流,提取需要的部分并写入文件写入流。
for page_num in range(begin - 1, end): # 由于读取的页面是从0开始,所以开始页码进行减1操作
pdf_obj_writer.addPage(pdf_obj_reader.getPage(page_num)) # 将符合条件的页码对应内容写入文件写入流
# 最后,将提取好的文件流对象写入到新定义好的PDF文件中
with open(output_file_path, 'wb') as output_file_pdf:
pdf_obj_writer.write(output_file_pdf) # 写入到指定文件
到此,整个PDF内容提取和写入的操作就完成了,感谢大家的支持。
【往期精彩】
浪漫的turtle,送给程序员自己的圣诞树!
PyQt5 GUI:百度图片下载器(文末附源码)
python3中的zip()、zip(*)、list()之间的灵活转换!
python print() 函数的格式化字符串输出
PyQt5 GUI && Requests Api 做一个天气查询系统(文末领取完整代码)!
当前名称:PyPDF2如何实现按照PDF页码提取后并另存为PDF格式文件?
本文URL:https://www.cdcxhl.com/article16/dsojcdg.html
成都网站建设公司_创新互联,为您提供做网站、小程序开发、响应式网站、虚拟主机、网站排名、网站导航
声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联