Automatizar pdfs en Python

En este artículo, vamos a ver cómo podemos automatizar el archivo pdf con la ayuda de módulo PyPDF2 en Python?

módulos utilizados:

En esta secuencia de comandos, utilizaremos módulo PyPDF2 que nos proporcionará varias funciones tales como para extraer los datos y leer el archivo PDF y dividir el archivo y escribir un nuevo archivo.

Descargar PyPDF2:

• general Vía: pip instalar PyPDF2
• Usuarios PyCharm: Ir al intérprete de Python proyecto e instalarlo desde allí.

Varios función proporcionada por PyPDF2:

1. PyPDF2.PdfFileReader () : Esta función lee nuestra pdf y class nosotros un valor de datos que vamos a almacenar en una variable (toma de Let como Pdf_Data ).
2. Pdf_Data.isEncrypted : Esta función nos ayudará a comprobar si el archivo está cifrado pdf.
3. Pdf_Data.decrypt ( “& lt; contraseña & gt;”) : Esta función nos ayudará a descifrar el archivo PDF y en el interior de esta función, tenemos que poner la contraseña y nuestro archivo pdf conseguirán descifrado.
4. Pdf_Data.numPages : Esta función nos class el número de páginas contienen nuestra pdf.
5. Pdf_Data.getPage (0) : Esta función nos return los datos de la primera página, aquí 0 parece ser la primera página y de 1 a ser la segunda página, las cosas van a ir como la indexación en Python.
6. Pdf_Writer = PyPDF2.PdfFileWriter () : Esta función creará una variable que nos ayudará a crear un nuevo archivo PDF.
7. Pdf_Writer.addPage (& lt; & gt Los Datos página;) : Esta función se sumará la página PDF en el archivo PDF recién creado.

Nota: El texto La extracción puede hacerse sólo con los archivos PDF que tienen texto .

código Python para leer el archivo y extraer el texto

# import the modules
  import PyPDF2
  # open the file and read the content
  # open the file
  Pdf_Open=open("/home/abhinav/Downloads/CS_Defination-converted.pdf","rb")
  # read the file and store the content
  Pdf_Data=PyPDF2.PdfFileReader(Pdf_Open)
  # get the number of pages
  print(Pdf_Data.numPages)
  # Lets extract the data for the first page
  # we will use getPage command to get the page
  # using 0 for 1st page
  First_page=Pdf_Data.getPage(0)
  # printing the text
  print(First_page.extractText())
  

Salida:

Este es el texto extraído del pdf que hemos dado en la entrada. De esta manera, podemos extraer el texto del pdf.

Ahora vamos a crear un archivo PDF y añadiremos el inicio y la última página del pdf por encima de la usada en ese archivo.

vamos a ver el código,

# import the modules
  import PyPDF2
  # open the file and read the content
  # open the file
  Pdf_Open=open("/home/abhinav/Downloads/Abhinav_Gangrade.pdf","rb")
  # read the file and store the content
  Pdf_Data=PyPDF2.PdfFileReader(Pdf_Open)
  # get the number of pages
  print(Pdf_Data.numPages)
  # Create a pdf writer
  pdf_writer=PyPDF2.PdfFileWriter()
  # we will take the first page of the above pdf
  first_page=Pdf_Data.getPage(0)
  # we will take the last page of the above pdf
  # as the last page will be Total number of pages-1
  last_page=Pdf_Data.getPage((Pdf_Data.numPages)-1)
  # adding page to the new pdf
  pdf_writer.addPage(first_page)
  pdf_writer.addPage(last_page)
  # create a blank file
  New_pdf=open("/home/abhinav/Downloads/Hello.pdf","wb")
  # add the content to the blank file
  pdf_writer.write(New_pdf)
  # Now close the file
  

en el código anterior, podemos crear un nuevo PDF con la ayuda de un PDF existente, y después de eso, hemos tomado la primera y la última página del PDF existente y combinar ellos y lo escribieron en el nuevo PDF. De esta manera, podemos crear un pdf con la ayuda de los archivos PDF existentes.