pikepdf，一个实用的 Python 库！

大家好，我是涛哥，本文内容来自 涛哥聊Python ，转载请标原创。

今天为大家分享一个实用的 Python 库 - pikepdf。

Github地址：https://github.com/pikepdf/pikepdf

---

PDF文件在日常工作中广泛使用，无论是在业务文档、学术报告还是政府表格中。处理PDF文件的需求同样日益增长，而Python的pikepdf库提供了一个强大的工具，用于读取、修改和保存PDF文件。本文将全面介绍pikepdf的安装、特性、基本与高级功能，并结合实际应用场景，展示其在项目中的应用。

安装

安装pikepdf库相对简单，可以通过pip命令直接安装：

pip install pikepdf

这条命令将从Python包索引（PyPI）下载并安装pikepdf及其依赖，包括二进制依赖的解决方案。

特性

• 基于QPDF的强大功能：pikepdf是基于成熟的QPDF C++库构建的，提供稳定可靠的PDF处理能力。
• 完整的PDF操作支持：支持合并、分割、加密、解密PDF文件，以及更复杂的操作如PDF修复和重构。
• Pythonic的接口：提供了易于使用的Python接口，使得操作PDF文件像处理普通Python对象一样简单。

基本功能

打开和保存PDF文件

使用pikepdf打开和保存PDF文件非常直接。

import pikepdf

# 打开PDF文件
pdf = pikepdf.open('input.pdf')

# 保存PDF文件
pdf.save('output.pdf')

修改PDF页面

可以轻松添加、删除或重新排序PDF中的页面。

# 删除第一页
del pdf.pages[0]

# 将新的PDF页面添加到末尾
pdf.pages.append(pikepdf.Page('/path/to/another.pdf'))

# 保存修改后的PDF
pdf.save('modified.pdf')

高级功能

处理PDF表单

pikepdf可以用来填充PDF表单或修改表单字段，这对于自动化文档处理尤为重要。

import pikepdf

# 打开包含表单的PDF文件
pdf = pikepdf.open('form.pdf')

# 访问表单并填充字段
form = pdf.Root.AcroForm
for field in form.Fields:
    if field.FT == "/Tx":  # 文本字段
        field.V = '填充文本'

# 保存填充后的PDF
pdf.save('filled_form.pdf')

图像提取

从PDF文件中提取图像，可以用于图像处理或内容分析。

# 提取PDF中的所有图像
for image in pdf.images:
    with open(f'image_{image.index}.jpg', 'wb') as img_file:
        img_file.write(image.extract())

这段代码遍历PDF中的所有图像，并将它们保存为JPEG文件。

PDF重构和压缩

对PDF文件进行重构和压缩，优化存储空间和提升加载性能。

# 重构PDF以优化大小
optimized_pdf = pdf.optimize()
optimized_pdf.save('optimized_output.pdf')

高级PDF加密

使用pikepdf设置更高级的加密选项，如禁用打印、修改等。

# 设置高级加密选项
pdf.save('secure.pdf', encryption=pikepdf.Encryption(
    owner='owner_password',
    user='user_password',
    R=6,  # 使用更高级的加密标准
    allow=pikepdf.Permissions(
        modify=False,
        extract=False,
        print=False
    )
))

使用JavaScript和动作

处理或移除PDF中的JavaScript代码和其他动作，这对于安全处理PDF文件尤为重要。

# 检查和移除所有JavaScript动作
if '/JS' in pdf.Root:
    del pdf.Root['/JS']

pdf.save('no_js.pdf')

实际应用场景

自动化合同管理

在企业中，经常需要处理大量的合同文件，使用pikepdf可以自动化合同的生成、签署和归档过程。

例如，自动填充合同模板并保存为新的PDF文件。

import pikepdf

# 打开合同模板
template_pdf = pikepdf.open('contract_template.pdf')

# 填充合同内容
template_pdf.pages[0].Contents = b"合同内容: 根据XX条款，乙方同意..."

# 保存填充后的合同
template_pdf.save('filled_contract.pdf')

教育材料的制作

教育机构需要制作和分发大量的教学材料，pikepdf可以帮助教师快速合并、编辑教学PDF文件。

例如，合并多个教学PDF文件为一个文件，方便分发和打印。

# 合并PDF文件
pdf1 = pikepdf.open('chapter1.pdf')
pdf2 = pikepdf.open('chapter2.pdf')
pdf3 = pikepdf.open('chapter3.pdf')

pdf1.pages.extend(pdf2.pages + pdf3.pages)
pdf1.save('combined_lecture_notes.pdf')

法律文件的安全处理

法律文件常含有敏感信息，使用pikepdf的加密功能可以确保文件在传输和存储时的安全性。

例如，对法律文件进行加密处理，限制打印和复制权限。

# 加密PDF文件
secure_pdf = pikepdf.open('legal_document.pdf')
secure_pdf.save('encrypted_legal_document.pdf', encryption=pikepdf.Encryption(
    owner='owner_password',
    user='user_password',
    allow=pikepdf.Permissions(print=False, copy=False)
))

文档归档与备份

企业中的文档管理系统需要归档和备份关键文档，pikepdf可用于自动化处理文档的归档标准化。

例如，清理并优化PDF文件大小，准备归档。

# 清理和优化PDF文件
archive_pdf = pikepdf.open('old_report.pdf')
optimized_pdf = archive_pdf.optimize()
optimized_pdf.save('archive_ready_report.pdf')

总结

Python pikepdf库是一个强大的工具，专门用于编辑和处理PDF文件。它基于稳定的QPDF C++库，提供了一种可靠且效率高的方式来读取、修改、合并、拆分和加密PDF文档。该库支持广泛的PDF操作，包括修改页面布局、编辑元数据、提取内容以及处理图像等。pikepdf的接口简洁明了，使得Python开发者可以轻松地在项目中实施复杂的PDF处理任务。此外，它还支持处理加密的PDF文件，并可以生成新的加密文档，确保信息安全。无论是在自动化办公、数据管理、法律文档处理还是教育材料制作领域，pikepdf都是处理PDF文件的优选方案。