最近看到一篇介绍Python中pyPDF模块的文章，详细介绍了使用pyPDF模块获取PDF文件信息，合并拆分PDF文件等功能。很方便，在此搬运分享以下：
How to Work With a PDF in Python
全文介绍了以下几方面的功能
- 提取文件信息
- 旋转页面
- 合并文件
- 拆分文件
- 添加水印
- 加密文件
这里我主要尝试了前几个功能的实现，添加水印与加密文件不是很用得上就不再详细尝试了。
pyPdf，PyPDF2以及PyPDF4的发展历程
最初的pyPdf模块发布与2005年，但并不支持Python3。PyPDF2目前也基本停用，最新版本的PyPDF4支持PyPDF2的大多数功能，但也有部分功能不兼容。原文中使用的是PyPDF2模块，此处我改用最新的PyPDF4进行尝试。
安装
如果你已经安装了Anaconda，可以使用pip或者conda直接安装：
pip install PyPDF4
功能实现
提取PDF文件信息
我们可以通过PdfFileReader来实现对以下信息的提取：
- 作者
- 创建者
- 生产商
- 主题
- 题目
- 页数
代码如下：
from PyPDF4 import PdfFileReader，PdfFileWriter
def extract_information(pdf_path):
with open(pdf_path,'rb') as f:
pdf=PdfFileReader(f)
information=pdf.getDocumentInfo()
number_of_pages=pdf.getNumPages()
txt=f"""
Information about {pdf_path}
Author: {information.author}
Creator: {information.creator}
Producer: {information.producer}
Subject: {information.subject}
Title: {information.title}
Number of pages: {number_of_pages}
"""
print(txt)
return information
if __name__ == '__main__':
path='visa_letter.pdf'
extract_information(path)
主要通过getDocumentInfo()与getNumPages()两个函数来实现读取信息的功能。如果想进一步读取PDF中的文本信息，可以参照PDFMiner.six（Python3支持）
if __name__ == '__main__'则放在自己创建的模块底部，指明当该模块作为main函数调用时的执行情况。
旋转页面
旋转页面功能需要导入PdfFileWriter模块，上文中以导入，此处不再重复，代码如下：
def rotate_pages(pdf_path,pages=[0],direction='right'):
"""Parameters: filename, pages want to rotate and rotate direction"""
pdf_writer=PdfFileWriter()
pdf_reader=PdfFileReader(pdf_path)
outputname=pdf_path[:-4]+'-rotate.pdf'
for page in pages:
# Rotate page 90 degrees to the right
if direction=='right':
page_r=pdf_reader.getPage(page).rotateClockwise(90)
pdf_writer.addPage(page_r)
# Rotate page 90 degrees to the left
elif direction=='left':
page_r=pdf_reader.getPage(page).rotateCounterClockwise(90)
pdf_writer.addPage(page_r)
else:
print("Encountered an improper argument! Input right or left.")
with open(outputname,'wb') as fh:
pdf_writer.write(fh)
旋转页码通过getPage()和rotateClockwise() rotateCounterClockwise()实现，getPage()获取要旋转页的索引，rotateClockwise() rotateCounterClockwise()控制旋转方向。
addPage()将要输出的页添加到流（不清楚该如何严谨表述，依稀记得C++里是这么称呼的）中，最后的新文件通过write()创建。
这里我将原文的函数改进了以下，加入两个表明要旋转的页码以及旋转方向的关键字参数，页码通过列表传递，默认将第一页顺时针旋转90度。
这里的else情况似乎抛出个异常更为合理，但我还没有掌握异常的处理方法。
合并文件
合并文件的核心则是对每个文件的每一页进行枚举，再逐次添加到流里，最后统一输出：
def merge_pdfs(paths,output):
pdf_writer=PdfFileWriter()
for path in paths:
pdf_reader=PdfFileReader(path)
for page in range(pdf_reader.getNumPages()):
pdf_writer.addPage(pdf_reader.getPage(page))
with open(output,'wb') as out:
pdf_writer.write(out)
要合并的文件以列表的形式传入即可。
拆分文件
这里遇到了个问题，使用PyPDF4在拆分循环中会出现PdfFileWriter' object has no attribute 'stream'的错误，似乎是个bug。
这可能是因为将读入文件步骤写在了循环外导致写出过程紊乱，在循环内再此读入文件可以解决，详情见PyPDF2 PdfFileWriter has no attribute stream。
PyPDF2有时也会遇到同样的错误，但此处使用PyPDF2不会有该错误。
def split(pdf_path,name_of_split):
pdf_reader=PdfFileReader(pdf_path)
for page in range(pdf_reader.getNumPages()):
pdf_reader=PdfFileReader(pdf_path)
pdf_writer=PdfFileWriter()
pdf_writer.addPage(pdf_reader.getPage(page))
output=f'{name_of_split}{page}.pdf'
with open(output,'wb') as output_pdf:
pdf_writer.write(output_pdf)
总结
至此一个具有简易功能的PDF编辑器就基本实现了，在使用时可以将PDFeditor.py最后一部分修改为：
def main():
pass
if __name__ == '__main__':
main()
防止直接调用，具体调用方法则为：
import PDFeditor
split('visa_letter.pdf','s')
merge_pdfs(['s0.pdf','s1.pdf'],'m.pdf')
rotate_pages('m.pdf',[0,1],'left')
extract_information('m.pdf')
