Skip to content

Latest commit

 

History

History
105 lines (73 loc) · 3.1 KB

04_praca_z_plikami_pdf.md

File metadata and controls

105 lines (73 loc) · 3.1 KB
Raw

Manipulacja i analiza plików PDF

Praca z plikami PDF w Pythonie jest możliwa dzięki kilku dostępnym bibliotekom. Jednym z najpopularniejszych narzędzi służących do tego celu jest PyPDF2.

Instalacja biblioteki PyPDF2

Aby rozpocząć pracę z PyPDF2, najpierw trzeba ją zainstalować. Można to zrobić przy pomocy menedżera pakietów pip:

pip install pypdf2

Otwieranie pliku PDF

Korzystając z PyPDF2, możemy łatwo otworzyć i przeczytać plik PDF:

from PyPDF2 import PdfFileReader

# Otwieranie pliku PDF
with open('plik.pdf', 'rb') as plik:
    czytnik = PdfFileReader(plik)

'rb' w funkcji open oznacza tryb "odczyt binarny", który jest wymagany do czytania plików PDF.

Eksploracja informacji o pliku

Dzięki PyPDF2 możemy także uzyskać różne informacje o pliku PDF, takie jak:

  • Liczba stron.
  • Autor.
  • Tytuł.
informacje = czytnik.getDocumentInfo()
print(f"Ilość stron: {czytnik.getNumPages()}")
print(f"Autor: {informacje.author}")
print(f"Tytuł: {informacje.title}")

Eksploracja zawartości pliku PDF

Aby uzyskać dostęp do treści strony w pliku PDF, możemy skorzystać z metody getPage(), która zwraca obiekt PageObject reprezentujący daną stronę. Natomiast metoda getNumPages() informuje nas o liczbie stron w dokumencie.

Poniższy fragment kodu prezentuje, jak wyświetlić zawartość wszystkich stron pliku PDF:

liczba_stron = czytnik.getNumPages()

for nr_strony in range(liczba_stron):
    strona = czytnik.getPage(nr_strony)
    tekst = strona.extractText()
    print(tekst)

Modyfikowanie dokumentów PDF

Jeśli chcemy dokonać modyfikacji w pliku PDF, możemy skorzystać z obiektu PdfFileWriter dostępnego w module PyPDF2. Umożliwia on dodawanie nowych stron, usuwanie istniejących czy wprowadzanie innych zmian.

Przykład poniżej przedstawia, jak dodać nową stronę z tekstem "Hello, World!" do dokumentu:

from PyPDF2 import PdfFileWriter, PdfFileReader
from reportlab.pdfgen import canvas
from reportlab.lib.pagesizes import A4
from io import BytesIO

# Utworzenie nowej strony
packet = BytesIO()
can = canvas.Canvas(packet, pagesize=A4)
can.drawString(100, 750, "Hello, World!")
can.save()

# Przeczytanie nowej strony
packet.seek(0)
new_pdf = PdfFileReader(packet)
writer = PdfFileWriter()
writer.addPage(new_pdf.getPage(0))

# Zapisanie nowego pliku PDF
with open('nowy_plik.pdf', 'wb') as plik:
    writer.write(plik)

Łączenie wielu plików PDF w jeden

Jeśli chcemy połączyć wiele plików PDF w jeden dokument, możemy użyć PdfFileMerger. Poniżej znajduje się fragment kodu, który demonstruje, jak to zrobić:

from PyPDF2 import PdfFileMerger
import glob

pliki_pdf = glob.glob('*.pdf')
merger = PdfFileMerger()

for pdf in pliki_pdf:
    with open(pdf, 'rb') as plik:
        merger.append(plik)

with open('polaczony_dokument.pdf', 'wb') as wyjsciowy_plik:
    merger.write(wyjsciowy_plik)

Zwróć uwagę, że przy otwieraniu plików używamy kontekstu with, aby zapewnić prawidłowe zarządzanie zasobami i zamknięcie plików po ich użyciu.