作者 | 陳熹
來源 | 早起Python（ID:zaoqi-python）
01
前言
大家好，有關 Python 操作 PDF 的案例之前已經寫過一個?PDF批量合并，這個案例初衷隻是給大家提供一個便利的腳本，并沒有太多講解原理,其中涉及的就是 PDF 處理很實用的子產品 PyPDF2 ，本文就好好剖析一下這個子產品，主要将涉及
- os 子產品綜合應用
- glob 子產品綜合應用
- PyPDF2 子產品操作
02
基本操作
PyPDF2 導入子產品的代碼常常是：
from PyPDF2 import PdfFileReader, PdfFileWriter 複制
這裡導入了兩個方法：
- PdfFileReader 可以了解為讀取器
- PdfFileWriter 可以了解為寫入器
接下來通過幾個案例進一步認識這兩個工具的奇妙之處，用到的示例檔案是5個發票的 pdf
每個發票的 PDF 都由兩頁組成：
03
合并
第一個工作是将5個發票pdf合并成10頁。這裡讀取器和寫入器應該怎麼配合呢？
邏輯如下：
- 讀取器将所有pdf讀取一遍
- 讀取器将讀取的内容交給寫入器
- 寫入器統一輸出到一個新pdf
這裡還有一個重要的知識點：讀取器隻能将讀取的内容一頁一頁交給寫入器。
是以，邏輯中第1步和第2步實際上不是彼此獨立的步驟，而是讀取器讀取完一個pdf後，就将這個pdf全部頁循環一遍，挨頁交給寫入器。最後等讀取工作全部結束後再輸出。
看一下代碼可以讓思路更清楚：
from PyPDF2 import PdfFileReader, PdfFileWriter
path = r'C:\Users\xxxxxx'
pdf_writer = PdfFileWriter()
for i in range(1, 6):
pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))
for page in range(pdf_reader.getNumPages()):
pdf_writer.addPage(pdf_reader.getPage(page))
with open(path + r'\合并PDF\merge.pdf', 'wb') as out:
pdf_writer.write(out) 複制
由于全部内容都需要交給同一個寫入器最後一起輸出，是以寫入器的初始化一定是在循環體之外的.
如果在循環體内則會變成每次通路讀取一個pdf就生成一個新的寫入器，這樣每一個讀取器交給寫入器的内容就會被反複覆寫，無法實作我們的合并需求!
循環體開頭的代碼：
for i in range(1, 6):
pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i)) 複制
目的就是每次循環讀取一個新的 pdf 檔案交給讀取器進行後續操作。實際上這種寫法不是很提倡，由于各 pdf 命名恰好很規則，是以可以直接人為指定數字進行循環。更好的方法是用 glob 子產品：
import glob
for file in glob.glob(path + '/*.pdf'):
pdf_reader = PdfFileReader(path) 複制
代碼中 pdf_reader.getNumPages(): 能夠擷取讀取器的頁數，配合 range 就能周遊讀取器的所有頁。
pdf_writer.addPage(pdf_reader.getPage(page)) 能夠将目前頁交給寫入器。
最後，用 with 建立一個 pdf 并由寫入器的 pdf_writer.write(out) 方法輸出即可。
04
拆分
如果明白了合并操作中讀取器和寫入器的配合，那麼拆分就很好了解了，這裡我們以拆分 INV1.pdf 為2個單獨的 pdf 文檔為例，同樣也先來捋一捋邏輯：
- 讀取器讀取 PDF 文檔
- 讀取器一頁一頁交給寫入器
- 寫入器每擷取一頁就立即輸出
通過這個代碼邏輯我們也可以明白，寫入器初始化和輸出的位置一定都在讀取 PDF 循環每一頁的循環體内，而不是在循環體外
代碼很簡單：
from PyPDF2 import PdfFileReader, PdfFileWriter
path = r'C:\Users\xxx'
pdf_reader = PdfFileReader(path + '\INV1.pdf')
for page in range(pdf_reader.getNumPages()):
# 周遊到每一頁挨個生成寫入器
pdf_writer = PdfFileWriter()
pdf_writer.addPage(pdf_reader.getPage(page))
# 寫入器被添加一頁後立即輸出産生pdf
with open(path + '\INV1-{}.pdf'.format(page + 1), 'wb') as out:
pdf_writer.write(out)
複制
05
水印
本次的工作是将下圖作為水印添加到 INV1.pdf 中
首先是準備工作，将需要作為水印的圖檔插入 word 中調整合适位置後儲存為PDF檔案。然後就可以碼代碼了，需要額外用到 copy 子產品，具體解釋見下圖：
就是把讀取器和寫入器初始化，并且把水印 PDF 頁先讀取好備用,核心代碼稍微比較難了解：
加水印本質上就是把水印 PDF 頁和需要加水印的每一頁都合并一遍
由于需要加水印的 PDF 可能有很多頁，而水印 PDF 隻有一頁，是以如果直接把水印 PDF 拿來合并，可以抽象了解成加完第一頁，水印 PDF 頁就沒有了。
是以不能直接拿來合并，而要把水印 PDF 頁不斷 copy 出來成新的一頁備用 new_page ，再運用 .mergePage 方法完成跟每一頁合并，把合并後的頁交給寫入器待最後統一輸出!
關于 .mergePage 的使用：出現在下面的頁 .mergePage (出現在上面的頁)，最後效果如圖：
06
加密
加密很簡單，隻需要記住：「加密是針對寫入器加密」
是以隻需要在相關操作完成後調用 pdf_writer.encrypt (密碼)
以單個 PDF 的加密為例：
寫在最後
當然除了對 PDF 的合并、拆分、加密、水印，我們還可以使用 Python 結合 Excel 和 Word 實作更多的自動化需求，這些就留給讀者自己開發。
最後還是希望大家能夠了解Python辦公自動化的一個核心就是批量操作-解放雙手，讓複雜的工作自動化！