PDF（ Portable Document Format ），中文名称 便携文档格式 是我们常常会打仗到的一种文件格式，文献、文档...很多都是PDF格式。它以格式稳定的上风，使得我们在打印、分享、传输过程中能够最优的保持原有色彩和格式。
这是
PDF因此PostScript措辞图像模型为根本的一种文档格式，它在格式的稳定性方面虽然具有很大上风。但是，在可编辑性方面却为利用者引入了其余一个困扰。
例如，在文档的分割、合并、剪切、转换、编辑等方面PDF就有些捉襟见肘了。
Adobe Reader、福昕阅读器、熊猫PDF...常常用到的PDF工具只能用于文档阅读，但是免费版都不可以用于文档编辑。虽然，网页版PDF工具，例如SmallPDF、I love PDF可以用于PDF的编辑，但是对付文档大小也有限定。
曾经，为了更换PDF中的一页，我险些试遍了所有市情上主流的PDF工具，终极还是不得不选择利用付费工具来办理问题。
事后想了想，既然这些商业化软件不靠谱，为什么不考虑自己动手开拓一款工具呢？明明几十行代码能够办理的问题，为什么要费那么多劲去下载、安装那些没有节操的软件呢？
本文就来先容一下利用Python轻松开拓一款PDF编辑工具，可以用于PDF转TxT、分割、合并、剪切、转换。
PyPDF2PyPDF2是一个第三方的python PDF库，它能够对PDF文件进行 分割 、 合并 、 裁剪 和 转换页面 。
其余，它还可以对PDF文件添加自定义数据、水印、密码，也可以从PDF文件中检索出文本和元数据。
安装利用pip直接安装：
$ pip install PyPDF2
下面就来演示几项PDF编辑功能，并且会逐行阐明代码的含义。
删除PDF页先给出实当代码，
from PyPDF2 import PdfFileWriter, PdfFileReaderoutput = PdfFileWriter() // 1input1 = PdfFileReader(open("example.pdf", "rb")) // 2def delete_pdf(index): pages = input1.getNumPages() // 3 for i in range(pages): if i+1 in index: continue output.addPage(input1.getPage(i)) // 4 outputStream = open("PyPDF2-output.pdf", "wb") output.write(outputStream) // 5delete_pdf([2,3,4])
下面来阐明一下代码中的几个关键点：
声明一个用于输出PDF的实例；读取本地PDF文件；获取PDF文档的页数；读取PDF的第 i 页，添加到输出 output 实例中；把编辑后的文档保存到本地；合并PDF已经实现了删除PDF页，接下来就看一下如何把其余一个PDF中的页面合并到当前PDF中。
方法1：可以沿着前面删除PDF页的办法进行拓展一下，对PDF进行合并。
from PyPDF2 import PdfFileWriter, PdfFileReaderoutput = PdfFileWriter()input1 = PdfFileReader(open("example.pdf", "rb"))input2 = PdfFileReader(open("simple2.pdf", "rb")) // 1def merge_pdf(add_index, origin_index): pages = input1.getNumPages() k = 0 for i in range(pages): if i+1 in add_index: output.addPage(input2.getPage(origin_index[k])) // 2 pages += 1 k += 1 output.addPage(input1.getPage(i)) outputStream = open("PyPDF2-output.pdf", "wb") output.write(outputStream)merge_pdf([2,3,4], [0, 0, 0])读取须要合并的源文件；遍历到指定页，合并源PDF的页面；方法2：
除了方法1，还有其余一种方法可以合并PDF：
from PyPDF2 import PdfFileMerger // 1merger = PdfFileMerger()input1 = open("document1.pdf", "rb") // 2input2 = open("document2.pdf", "rb")input3 = open("document3.pdf", "rb")merger.append(fileobj = input1, pages = (0,3)) // 3merger.merge(position = 2, fileobj = input2, pages = (0,1)) // 4merger.append(input3) // 5output = open("document-output.pdf", "wb")merger.write(output)导入PyPDF2合并模块 PdfFileMerger ;读取须要处理和合并的PDF文档；从第一个PDF文档中取出须要合并的前3页；把第二个PDF文档的第一页插入到文档中；把第三个PDF文档附到输出文档末端；
除了上述先容的2项紧张功能，PyPDF2也有一些其他小功能：
旋转input1.getPage(1).rotateClockwise(90)
使得页面1旋转90度。
添加水印page = input1.getPage(3)watermark = PdfFileReader(open("watermark.pdf", "rb"))page.mergePage(watermark.getPage(0))
个中，水印存储在其余一个PDF文档 watermark.pdf 中。
加密password = "secret"output.encrypt(password)
首先给一个 secret 密码，然后利用 encrypt 对输出文档进行加密。
pdfminer前面先容的PyPDF2紧张善于于PDF页面级编辑，而对付文本和源数据级别编辑能力较弱。
以是，这里就来先容其余一款Python库来填补它的不敷。
PDFMiner是一个PDF文档的文本提取工具，它具有如下特性：
能够准确获取文本的位置和布局信息；可以将PDF转换为HTML/XML等格式；可以提取目录；可以提取标签内容；支持各种字体类型（Type1、TrueType、Type3和CID）;支持中、日、韩措辞和 垂直书写 文本;安装$ pip install pdfminerPDF转TxT
pdfminer在GitHub的托管项目中，在目录 tools 下给出了一些实用的工具集，例如，PDF转HTML、PDF转HTML、PDF转TXT。我们可以直接通过利用下面命令提出PDF文档中的文本信息。
$ pdf2txt.py samples/simple1.pdf总结
通过上述2款Python库，就可以实现从页面到文本元数据的编辑，本文只是大略的先容了每项的基本用法。关于详细的用法和函数列表，可以阅读官方文档，或者阅读GitHub上项目源码进行理解。此外，可以在这些基本的用法根本上进行发散思维，发掘更多有代价的运用处景，例如，提出文本数据之后调用翻译API进行 文献翻译 。也可以，对软件进行封装，开拓成一款通用的PDF编辑工具。
