Python 可以对 PDF 文档进行多种操作，包括但不限于以下几种：

读取 PDF 内容：使用 PDF 解析库（如 PyPDF2、pdfplumber 和 fitz 等）可以读取 PDF 文档的文本内容，从而进行文本提取、搜索、分析等操作。这在需要对大量 PDF 文档进行自动化处理、数据挖掘、文本分析等场景中非常有用。

# get_pdf_text.py# 简单使用了 PyPDF2、pdfplumber 和 fitz 包，# 来分别获取 example.pdf 中文字部分的信息# 安装依赖# pip install PyPDF2# pip install pdfplumber# pip install pymupdf# 运行脚本# python get_pdf_text.pyimport PyPDF2with open('example.pdf', 'rb') as file:    reader = PyPDF2.PdfReader(file)    for page_num in range(len(reader.pages)):        page = reader.pages[page_num]        text = page.extract_text()        print(f'Page {page_num+1}: {text}')import pdfplumberwith pdfplumber.open('example.pdf') as pdf:    for page_num in range(len(pdf.pages)):        page = pdf.pages[page_num]        text = page.extract_text()        print(f'Page {page_num+1}: {text}')import fitzwith fitz.open('example.pdf') as doc:    for page_num in range(doc.page_count):        page = doc.load_page(page_num)        text = page.get_text("text")        print(f'Page {page_num+1}: {text}')

提取图像和图表：使用 PDF 解析库可以提取 PDF 文档中的图像和图表，用于图像处理、数据可视化、机器学习等任务。这对于从报告、文档中提取图像数据或生成图像摘要非常有用。

# get_pdf_image.py# 运行脚本# python get_pdf_image.pyimport fitzpdf = fitz.open('example.pdf')for page_num in range(len(pdf)):    page = pdf[page_num]    image_list = page.get_images()    for image_index, img in enumerate(image_list):        xref = img[0]        base_image = pdf.extract_image(xref)        image_data = base_image["image"]        with open(f'image_{page_num}_{image_index}.png', 'wb') as file:            file.write(image_data)

# get_pdf_table.py# 运行脚本# python get_pdf_table.pyimport pdfplumberread_path = r'table.pdf'pdf = pdfplumber.open(read_path)for page in pdf.pages:    table = page.extract_table()    print(table)

PDF加密和解密：使用 PDF 库可以对 PDF 文档进行加密和解密，保护文档的机密性。这对于保护敏感信息的 PDF 文档非常有用，如合同、报告等。

# crypt_decrpt_pdf.py# 运行脚本# python crypt_decrpt_pdf.pyimport PyPDF2# 加密 pdfinput_pdf = "table.pdf"output_pdf = "encrypted.pdf"password = "654321"with open(input_pdf, "rb") as file:    pdf_reader = PyPDF2.PdfReader(file)    pdf_writer = PyPDF2.PdfWriter()    for page_num in range(len(pdf_reader.pages)):        pdf_writer.add_page(pdf_reader.pages[page_num])    pdf_writer.encrypt(password)    with open(output_pdf, "wb") as output:        pdf_writer.write(output)# 解密 pdfencrypted_pdf = "encrypted.pdf"decrypted_pdf = "decrypted.pdf"with open(encrypted_pdf, "rb") as file:    pdf_reader = PyPDF2.PdfReader(file)    pdf_writer = PyPDF2.PdfWriter()    if pdf_reader.is_encrypted:        pdf_reader.decrypt(password)    for page_num in range(len(pdf_reader.pages)):        pdf_writer.add_page(pdf_reader.pages[page_num])    with open(decrypted_pdf, "wb") as output:        pdf_writer.write(output)

这些操作使得 Python 在处理 PDF文档时非常灵活和强大，适用于各种场景，包括但不限于：自动化文档处理、数据挖掘和分析、报告生成、合同管理、电子书制作、数据收集和处理等。

python 操作 pdf 文档