近期有同事需要提取加密的pdf文件，截取其中的信息，并且重构pdf文件。网上没有搜到相关的pdf操作，于是咨询了chatgpt，给出了pypdf2的使用案例。但是时间比较久远了，很多库内的调用接口都已经更新了。
于是自行到官方的库内学习相关接口使用。整理的处理代码如下：
# -*- coding: utf-8 -*- """ Created on Thu Jan 11 10:36:17 2024 @author: xm AZHE """ import PyPDF2 file=r'C:\Users\xm\Downloads\xxx1.pdf' # 打开PDF文件 pdf_file = open(file, 'rb') # 创建一个PDF阅读器对象 pdf_reader = PyPDF2.PdfReader(pdf_file) # 创建一个新的PDF写入器对象 pdf_writer = PyPDF2.PdfWriter() # 截取第0，第101到108页 page = pdf_reader.pages[0] pdf_writer.add_page(page) for i in range(101,109): page = pdf_reader.pages[i] pdf_writer.add_page(page) # 顺便导出下每页的图片 count = 0 for image_file_object in page.images: with open(str(count) + image_file_object.name, "wb") as fp: fp.write(image_file_object.data) count += 1 # 打印下下每页的文字 page.extract_text(0) # 处理的文件加个密 pdf_writer.encrypt("123456") # 创建一个新的PDF文件并将页面写入其中 out_file=file.replace('.pdf','_remake.pdf') output_file = open(out_file, 'wb') pdf_writer.write(output_file) # 关闭文件 output_file.close() pdf_file.close()
PS: 解密用
if reader.is_encrypted: reader.decrypt("123456")