from ironpdf import * # Instantiate Renderer renderer = ChromePdfRenderer() # Create a PDF from a HTML string using Python pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1>") # Export to a file or Stream pdf.SaveAs("output.pdf") # Advanced Example with HTML Assets # Load external html assets: Images, CSS and JavaScript. # An optional BasePath 'C:\site\assets\' is set as the file location to load assets from myAdvancedPdf = renderer.RenderHtmlAsPdf("<img src='icons/iron.png'>", r"C:\site\assets") myAdvancedPdf.SaveAs("html-with-assets.pdf")

PYTHON PDF 工具

如何在 Python 中读取 PDF 文件

Curtis Chau

已更新:七月 28, 2025

PDF，或可移植文档格式文件，已成为共享文档的通用标准。由于它们能够保留文档的布局和格式，因此被广泛使用。然而，使用像 Python 这样的编程语言操作 PDF 文件可能会有些挑战。本文介绍了 IronPDF，一个 Python PDF 库，允许我们对 PDF 文档执行各种操作。

IronPDF for Python PDF 库

IronPDF 是一个高级 Python PDF 库，可简化 PDF 文件格式的操作。它提供了一个易于使用的 API，用于各种 PDF 操作。您可以读取和写入 PDF 文件，将 PDF 文件转换为不同格式，合并多个 PDF 文件等。它还可以处理页面对象，从 PDF 文件的所有页面中提取文本，旋转 PDF 页面，以及其他功能。

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。
应用 PDFReader Python 库的许可证密钥。
提供文档路径以加载任何 PDF 文档。
在 Python 控制台上读取 PDF 内容。

使用 IronPDF 读取 PDF 文件

使用 IronPDF 读取 PDF 文件涉及几个步骤。这里是一个简单的指南来帮助您入门：

步骤 1 在 Visual Studio 中创建虚拟环境

使用 Python 时，创建一个称为虚拟环境的独立环境至关重要。该环境允许您管理特定于您正在进行的项目的依赖项，而不会干扰其他项目。在集成开发环境 (IDE) 中创建虚拟环境变得更加简单，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 打开命令面板。在命令面板中，搜索"Python: Create Environment"。

如何在 Python 中读取 PDF 文件：图 1

选择第一个选项，然后选择"Venv"作为环境类型。

如何在 Python 中读取 PDF 文件：图 2

之后，选择 Python 解释器，它将开始创建虚拟环境。

如何在 Python 中读取 PDF 文件：图 3

现在，您的隔离工作区已准备好用于 Python 脚本，确保项目依赖项限制在此环境内。

步骤 2 安装 IronPDF for Python 库

虚拟环境设置好之后，您就可以安装 IronPDF for Python 库。您可以使用 Python 包管理器 'pip' 安装它：

pip install ironpdf

pip install ironpdf

SHELL

步骤 3 安装 .NET 6.0

IronPDF for Python 需要安装 .NET 6.0 SDK。

请从微软 .NET 网站下载并安装 .NET 6.0 SDK。

步骤 4 导入 IronPDF

成功安装 IronPDF 后，下一步就是将其导入到您的 Python 脚本中。导入库会使其所有的功能和方法在您的脚本中可用。您可以使用以下代码导入 IronPDF：

from ironpdf import *

from ironpdf import *

PYTHON

这行代码将 IronPDF 库中的所有模块、函数和类导入到您的脚本中。

步骤 5 应用许可证密钥

要完全解锁 IronPDF 库的功能，您需要应用一个许可证密钥。应用许可证密钥的步骤很简单，只需将密钥赋值给 LicenseKey 属性的 License 类。以下是如何操作的：

License.LicenseKey = "License-Key-Here"

License.LicenseKey = "License-Key-Here"

PYTHON

替换 "License-Key-Here" 为您的实际 IronPDF 许可证密钥。有了许可证密钥，您现在可以在 Python 脚本中充分利用 IronPDF 库的全部潜力。

步骤 6 设置日志路径

接下来，为 IronPDF 操作设置日志记录。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期间可能发生的问题。这是如何设置的：

# Enable debugging mode for detailed logs
Logger.EnableDebugging = True
# Set the path for the log file
Logger.LogFilePath = "Custom.log"
# Set logging mode to capture all log types
Logger.LoggingMode = Logger.LoggingModes.All

# Enable debugging mode for detailed logs
Logger.EnableDebugging = True
# Set the path for the log file
Logger.LogFilePath = "Custom.log"
# Set logging mode to capture all log types
Logger.LoggingMode = Logger.LoggingModes.All

PYTHON

在此代码片段中，Logger.EnableDebugging = True 打开调试，Logger.LogFilePath = "Custom.log" 设置输出日志文件到 "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 文档就像调用一个方法一样简单。 PdfDocument.FromFile 方法将指定路径的 PDF 文档加载到一个 PDF 文件对象中。您只需要以字符串形式提供 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 变成一个代表指定的 PDF 文件的 PdfDocument 对象。

步骤 8 读取 PDF 文件内容

IronPDF 提供了一个名为 ExtractAllText() 的方法，用于提取 PDF 文档的文本内容。当您需要读取和分析 PDF 文件的内容时，这尤其方便：

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

在这个例子中，all_text 将保存来自 pdf 对象的所有 PDF 文件文本。您可以在控制台上读取 PDF 内容。

如何在 Python 中读取 PDF 文件：图 5

步骤 9 加载第二个 PDF 文件

像加载第一个 PDF 文档一样，您也可以加载第二个 PDF 文档。此功能在您想要操作多个 PDF 文件时非常有用：

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

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

PYTHON

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

步骤 10 合并两个文件

IronPDF 的另一个强大功能是使用合并多个 PDF 文件为一个新的 PDF 文件。

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

您可以使用 PdfDocument.Merge 方法轻松合并两个或更多的 PDF 文档：在这个例子中，merged 是一个新的 PdfDocument 对象，它是 pdf 和 pdf_2 合并的结果。

SaveAs 方法将此合并文档保存为 "Merged.pdf"。

步骤 11 拆分第一个 PDF

IronPDF 还允许您拆分一个 PDF 文档并将特定页面提取到新的 PDF 文件中。这使用 CopyPage 方法完成：

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

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

如何在 Python 中读取 PDF 文件：图 7

步骤 12 应用水印

水印是 IronPDF 提供的另一个令人印象深刻的功能。您可以使用所需的文本或图像为 PDF 文档加水印。 1. 名为 ApplyWatermark 的方法用于向由 pdf 对象表示的 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

在这个代码片段中，ApplyWatermark 将文本"SAMPLE"的红色水印应用于 PDF 的中间。 3. 然后，SaveAs 将带水印的文档保存为 "Watermarked.pdf"。

然后，SaveAs 将带水印的文档保存为 "Watermarked.pdf"。

IronPDF 是一个功能多样的 Python 库，兼容广泛的 Python 版本。 5. 它支持从 Python 3.6 及以上的所有现代 Python 版本。 6. IronPDF 不受限于单一操作系统。 7. 它是平台独立的，因此可以在多种操作系统上使用。 8. 无论是 Windows、Mac 还是 Linux，IronPDF 在这些平台上都能无缝工作。 9. 这种跨平台兼容性是一个巨大的优势，使 IronPDF 成为开发者毫无顾虑选择的工具，无论他们的操作系统偏好如何。