PyPDF终极指南：5分钟掌握Python PDF处理全功能

惠焰凡

555人浏览 · 2026-08-01 14:12:17

惠焰凡 · 2026-08-01 14:12:17 发布

PyPDF终极指南：5分钟掌握Python PDF处理全功能

【免费下载链接】pypdf A pure-python PDF library capable of splitting, merging, cropping, and transforming the pages of PDF files 项目地址: https://gitcode.com/GitHub_Trending/py/pypdf

PyPDF是一个功能强大的纯Python PDF处理库，能够帮助开发者轻松完成PDF文档的拆分、合并、裁剪、转换等操作。无论是批量处理文档、添加水印加密，还是提取文本信息，这个开源工具都能提供简单高效的解决方案。对于需要处理PDF文件的Python开发者来说，PyPDF无疑是必备的工具之一。

为什么选择PyPDF处理PDF文档？

在日常工作中，PDF文档处理是一个常见但繁琐的任务。传统的PDF编辑软件通常需要手动操作，效率低下且难以批量处理。PyPDF通过Python脚本自动化解决了这些问题：

完全免费开源：无需购买昂贵的商业软件许可证
纯Python实现：不依赖外部库，跨平台兼容性好
功能全面：从基础操作到高级功能一应俱全
易于集成：可以轻松嵌入到现有Python项目中

核心功能快速上手

1. PDF文档读取与文本提取

PyPDF最基础也最常用的功能就是读取PDF文档并提取文本内容：

from pypdf import PdfReader

# 读取PDF文件
reader = PdfReader("example.pdf")

# 获取文档页数
page_count = len(reader.pages)
print(f"文档共有 {page_count} 页")

# 提取第一页文本
first_page = reader.pages[0]
text_content = first_page.extract_text()
print(f"第一页内容：\n{text_content}")

2. PDF页面操作与合并

PyPDF提供了强大的页面操作功能，包括页面缩放、旋转和合并。上面的图片展示了PyPDF的内容缩放功能对比，左侧是原始文档，中间是内容缩放效果，右侧是页面缩放效果。

from pypdf import PdfWriter, PdfReader

# 合并多个PDF文件
writer = PdfWriter()

# 添加第一个PDF的所有页面
reader1 = PdfReader("document1.pdf")
for page in reader1.pages:
    writer.add_page(page)

# 添加第二个PDF的特定页面
reader2 = PdfReader("document2.pdf")
writer.add_page(reader2.pages[0])

# 保存合并后的文档
with open("merged.pdf", "wb") as output_file:
    writer.write(output_file)

3. 添加水印与注释

水印功能是保护文档版权的重要手段。如上图所示，PyPDF可以在PDF文档上添加文字或图形水印，有效防止未经授权的使用。

from pypdf import PdfWriter, PdfReader

# 创建带水印的PDF
reader = PdfReader("original.pdf")
writer = PdfWriter()

# 为每一页添加水印
for page in reader.pages:
    page.merge_page(watermark_page)
    writer.add_page(page)

# 保存带水印的文档
writer.write("watermarked.pdf")

注释功能让PDF文档更加互动。如图所示，PyPDF支持添加方形注释框，可以高亮重要内容或添加备注信息。

高级功能深度解析

4. 文档加密与安全保护

对于包含敏感信息的PDF文档，加密功能至关重要：

from pypdf import PdfWriter

writer = PdfWriter()

# 添加文档内容
writer.append("sensitive_document.pdf")

# 设置加密保护
writer.encrypt(
    user_password="user123",  # 用户密码
    owner_password="admin456",  # 所有者密码
    permissions_flag=0b11111100  # 权限控制
)

writer.write("encrypted_document.pdf")

加密模块位于 pypdf/_encryption.py，支持AES和RC4两种加密标准，满足不同安全级别需求。

5. 图像提取与处理

PyPDF不仅可以处理文本，还能提取PDF中的图像资源：

from pypdf import PdfReader

reader = PdfReader("document_with_images.pdf")

for page_num, page in enumerate(reader.pages):
    images = page.images
    for i, image in enumerate(images):
        # 保存提取的图像
        with open(f"page_{page_num}_image_{i}.png", "wb") as img_file:
            img_file.write(image.data)

6. 页面旋转与布局调整

页面旋转功能在处理扫描文档或调整布局时非常有用。上图展示了PyPDF处理3D图表PDF时的旋转和展开功能。

安装与配置最佳实践

基础安装方案

最简单的安装方式只需要一行命令：

pip install pypdf

完整功能安装

如果需要使用所有高级功能（包括加密、图像处理等）：

pip install pypdf[full]

开发环境配置

对于开发者，建议使用虚拟环境隔离依赖：

python -m venv pypdf_env
source pypdf_env/bin/activate  # Linux/Mac
pypdf_env\Scripts\activate     # Windows
pip install pypdf[full]

实际应用场景示例

场景一：批量添加水印

假设你需要为公司的100份PDF报告添加统一的版权水印：

import os
from pypdf import PdfReader, PdfWriter

def batch_add_watermark(input_folder, output_folder, watermark_pdf):
    watermark_reader = PdfReader(watermark_pdf)
    watermark_page = watermark_reader.pages[0]
    
    for filename in os.listdir(input_folder):
        if filename.endswith(".pdf"):
            reader = PdfReader(os.path.join(input_folder, filename))
            writer = PdfWriter()
            
            for page in reader.pages:
                page.merge_page(watermark_page)
                writer.add_page(page)
            
            output_path = os.path.join(output_folder, f"watermarked_{filename}")
            writer.write(output_path)
            print(f"已处理：{filename}")

场景二：PDF文档拆分与重组

将大型PDF文档按章节拆分，或者从多个文档中提取特定页面：

from pypdf import PdfReader, PdfWriter

def extract_specific_pages(input_pdf, output_pdf, page_numbers):
    reader = PdfReader(input_pdf)
    writer = PdfWriter()
    
    for page_num in page_numbers:
        if 0 <= page_num < len(reader.pages):
            writer.add_page(reader.pages[page_num])
    
    writer.write(output_pdf)