PYTHON PDF 工具

如何在Python中读取PDF文件

发布 2023年七月3日

PDF 或便携式文档格式文件已成为共享文档的通用标准。它们因能够保留文档的布局和格式而被广泛使用。然而，使用 Python 等编程语言处理 PDF 文件是一项挑战。本文介绍的 IronPDF 是一个 Python PDF 库，它允许我们对 PDF 文档执行各种操作。

IronPDF Python PDF 库

IronPDF 是一款先进的Python PDF 库译文中必须包含便于使用 PDF 格式文件的内容。它为各种 PDF 操作提供了易于使用的 API。您可以读写 PDF 文件、将 PDF 文件转换为不同格式、合并多个 PDF 文件等。除其他功能外，它还可以处理页面对象、从 PDF 文件的所有页面中提取文本以及旋转 PDF 页面。

如何在Python中读取PDF文件

使用 Pip 安装 Python PDF 库。
在 Python 脚本中导入 Python PDF 库。
申请 PDFReader Python 库的许可证密钥。
通过提供文档路径加载任何 PDF 文档。
在 Python 控制台上阅读 PDF 内容。

使用 IronPDF 阅读 PDF 文件

使用 IronPDF 阅读 PDF 文件涉及几个步骤。以下是一份简单的入门指南：

步骤 1 在 Visual Studio 中创建虚拟环境

在使用 Python 时，创建一个被称为虚拟环境的隔离环境至关重要。通过这种环境，您可以管理正在进行的项目的特定依赖关系，而不会干扰其他项目。在集成开发环境中创建虚拟环境变得更加简单明了(IDE)如 Visual Studio Code。为此，请按照以下步骤操作：

在 Visual Studio Code 中打开文件夹。按 Ctrl+Shift+P 打开命令调板。在命令调板中，搜索 "Python：创建环境"。
选择第一个选项，然后选择 "Venv "作为环境类型。
然后，选择 Python 解释器，它就会开始创建虚拟环境。
现在，您已经为 Python 脚本准备好了独立的工作区，确保项目的依赖关系被限制在这个环境中。

第 2 步安装 IronPDF Python 库

虚拟环境设置完成后，您就可以安装 IronPDF Python 库了。您可以使用 Python 软件包安装程序 "pip "进行安装：

pip install ironpdf

步骤 3 安装 .NET 6.0

IronPDF for Python 需要安装 .NET 6.0 SDK。

请从以下网址下载并安装 .NET 6.0 SDK微软 .NET 网站.

第 4 步导入 IronPDF

成功安装 IronPDF 后，下一步就是将其导入 Python 脚本。导入库后，您的脚本就可以使用库中的所有函数和方法。您可以使用以下代码行导入 IronPDF：

from ironpdf import *

from ironpdf import *

PYTHON

这行代码将 IronPDF 库中的所有模块、函数和类导入到脚本中。

第 5 步申请许可证密钥

要完全释放 IronPDF 库的功能，您需要申请许可证密钥。应用许可证密钥非常简单，只需将密钥分配给 "License "类的 "LicenseKey "属性即可。具体方法如下

License.LicenseKey = "License-Key-Here"

License.LicenseKey = "License-Key-Here"

PYTHON

将 "License-Key-Here "替换为您实际的 IronPDF 许可证密钥。有了许可证密钥，您现在就可以在 Python 脚本中充分发挥 IronPDF 库的潜力了。

第 6 步设置日志路径

接下来，设置 IronPDF 操作日志。通过设置自定义日志路径，您可以存储库生成的运行时日志，帮助您调试和诊断执行过程中可能出现的问题。以下是设置方法：

# Set a log path
Logger.EnableDebugging = True
Logger.LogFilePath = "Custom.log"
Logger.LoggingMode = Logger.LoggingModes.All

# Set a log path
Logger.EnableDebugging = True
Logger.LogFilePath = "Custom.log"
Logger.LoggingMode = Logger.LoggingModes.All

PYTHON

在此代码段中，Logger.EnableDebugging = True 打开调试，Logger.LogFilePath = "Custom.log 将输出日志文件设置为 "Custom.log"，Logger.LoggingMode = Logger.LoggingModes.All 确保记录所有类型的日志信息。

步骤 7 加载 PDF 文档

使用 IronPDF 加载 PDF 文档就像调用方法一样简单。 PdfDocument.FromFile "方法将 PDF 文档从给定路径加载到 PDF 文件对象中。您只需以字符串形式提供 PDF 文件的路径：

pdf = PdfDocument.FromFile("PDF B.pdf")

pdf = PdfDocument.FromFile("PDF B.pdf")

PYTHON

在这段代码中，"pdf "变成了代表指定 PDF 文件的 "PdfDocument "对象。

第 8 步阅读 PDF 文件内容

IronPDF 提供了一种名为 "ExtractAllText "的方法。()有助于从 PDF 中提取文本内容文档。这在您需要阅读和分析 PDF 文件内容时尤其方便：

all_text = pdf.ExtractAllText()  # Extracts all text from the PDF document
print(all_text)  # Prints the extracted text to the console

all_text = pdf.ExtractAllText()  # Extracts all text from the PDF document
print(all_text)  # Prints the extracted text to the console

PYTHON

在本例中，all_text 将保存来自 pdf 对象的所有 PDF 文件文本。您可以在控制台上阅读 PDF 内容。

如何用 Python 阅读 PDF 文件：图 5

第 9 步加载第二个 PDF 文件

就像加载第一个 PDF 文档一样，您也可以加载第二个 PDF 文档。当您要处理多个 PDF 文件时，该功能会很有帮助：

pdf_2 = PdfDocument.FromFile("PDF A.pdf")

pdf_2 = PdfDocument.FromFile("PDF A.pdf")

PYTHON

在这段代码中，pdf_2是另一个PdfDocument对象，代表第二个 PDF 文件。

第 10 步合并两个文件

IronPDF 的强大功能之一是合并多个 PDF 文件合并成一个新的 PDF 文件。使用 "PdfDocument.Merge "方法，您可以轻松合并两个或多个 PDF 文档：

merged = PdfDocument.Merge(pdf, pdf_2)  # Merges pdf and pdf_2 documents
merged.SaveAs("Merged.pdf")  # Saves the merged document as 'Merged.pdf'

merged = PdfDocument.Merge(pdf, pdf_2)  # Merges pdf and pdf_2 documents
merged.SaveAs("Merged.pdf")  # Saves the merged document as 'Merged.pdf'

PYTHON

在本例中，"merged "是一个新的 "PdfDocument "对象，是 "pdf "和 "pdf_2 "合并的结果。然后，"SaveAs "方法会将合并后的文档保存为 "Merged.pdf"。

如何用 Python 阅读 PDF 文件：图 6

步骤 11 拆分第一个 PDF

IronPDF 还允许您分割 PDF 文档并将特定页面提取到新的 PDF 文件中。这是使用 CopyPage 方法完成的：

page1doc = pdf.CopyPage(0)  # Copies the first page of the pdf document
page1doc.SaveAs("Split1.pdf")  # Saves the copied page as a new document 'Split1.pdf'

page1doc = pdf.CopyPage(0)  # Copies the first page of the pdf document
page1doc.SaveAs("Split1.pdf")  # Saves the copied page as a new document 'Split1.pdf'

PYTHON

这里，page1doc是一个新的 PdfDocument 对象，包含pdf文档的第一页。然后将此页面保存为名为 "Split1.pdf "的输出 PDF。

如何用 Python 阅读 PDF 文件：图 7

步骤 12 应用水印

水印是 IronPDF 提供的另一项令人印象深刻的功能。您可以在 PDF 文档上添加所需的文本或图像水印。应用水印 "方法用于向 "pdf "对象所代表的 PDF 添加水印。

pdf.ApplyWatermark("<h2 style='color:red'>SAMPLE</h2>", 30, VerticalAlignment.Middle, HorizontalAlignment.Center)
pdf.SaveAs("Watermarked.pdf")

pdf.ApplyWatermark("<h2 style='color:red'>SAMPLE</h2>", 30, VerticalAlignment.Middle, HorizontalAlignment.Center)
pdf.SaveAs("Watermarked.pdf")

PYTHON

在此代码段中，"ApplyWatermark "会在 PDF 的中间位置添加红色水印，并标注 "SAMPLE"（示例）字样。然后，SaveAs 将带水印的文档保存为 "Watermarked.pdf"。

IronPDF兼容性

IronPDF for Python 是一个通用的 Python 库，兼容多种 Python 版本。它支持从 Python 3.6 起的所有现代 Python 版本。 IronPdf 并不局限于单一的操作系统。它与平台无关，因此可以在各种操作系统上使用。无论是 Windows、Mac 还是 Linux，IronPdf.Linux 都能在这些平台上无缝运行。这种跨平台兼容性是一个巨大的优势，使 IronPdf 成为开发人员的首选，无论他们对操作系统的偏好如何。