Python脚本：用py处理PDF的五大功能

news2024/11/18 5:41:34

一、代码

【第三方库】3个

【Py版本】3.9

【使用前提】关闭所有的word文档

import os
from datetime import datetime
from docx2pdf import convert
from pdf2docx import parse
from PyPDF2 import PdfMerger
from PyPDF2 import PdfReader,PdfWriter


#将文件夹中的所有Word文档批量转换为PDF
def wordtopdf(url):
    if not os.path.exists(url):
        return False
    result=convert(url)#若满足条件"result==None"则表明转换成功
    return result==None

#将文件夹中的所有PDF批量转换为Word文档
def pdftoword(url):
    if not os.path.exists(url):
        return False
    all_files_successful = True  # 假设所有文件都成功转换
    for root, dirs, files in os.walk(url):
        for file in files:
            if file.endswith(".pdf"):
                pdf_file_path = os.path.join(root, file)
                result = parse(pdf_file_path)
                if result is not None:  # 转换失败
                    all_files_successful = False
                    break  # 如果有一个文件转换失败，就跳出内层循环
    return all_files_successful

#合并指定路径的pdf文档（顺序：01 02 03开头文件名依次排序）
def mergepdf(url):
    if not os.path.exists(url):
        return False
    merger = PdfMerger()
    output_path=url+f"\\合并pdf_{datetime.now().strftime('%Y%m%d%H%M%S')}.pdf"#输出路径
    # 遍历文件夹下的所有PDF文件并合并
    for root, dirs, files in os.walk(url):
        for file in files:
            if file.endswith(".pdf"):
                pdf_file_path = os.path.join(root, file)
                merger.append(pdf_file_path)
    # 将合并后的PDF保存到指定输出路径
    merger.write(output_path)
    merger.close()
    return True

#提取pdf的图像
def pdfimages(pdfurl):
    if not os.path.exists(pdfurl):
        return False
    reader = PdfReader(pdfurl)
    all = len(reader.pages) #返回pdf有多少页
    count = 0
    for i in range(0,all):
        page = reader.pages[i]
        for image_file_object in page.images:
            with open(f"{os.path.dirname(pdfurl)}/图{count+1}_{datetime.now().strftime('%Y%m%d%H%M%S')}.png", "wb") as fp:
                fp.write(image_file_object.data)
                count += 1
    return True

# 在PDF文件中加水印函数
def pdfcreatewater(pdfurl, pdf_watermark):
    if not os.path.exists(pdfurl) or not os.path.exists(pdf_watermark):
        return False
    # 把水印的文件读入
    watermark = PdfReader(pdf_watermark)
    # 取出水印文件的第1页
    waterpage = watermark.pages[0]
    # 读入要加入水印的PDF文件
    vreader = PdfReader(pdfurl)
    # 取得要加入水印的文件的页数
    n = len(vreader.pages)
    # print(n)
    # 生成一个PDF文件写对象
    vwriter = PdfWriter()
    # 通过循环给第一页加上水印
    for i in range(n):
        # 取得PDF文件的一页
        onepage = vreader.pages[i]
        # 通过mergePage将水印加到该页面
        onepage.merge_page(waterpage)
        # 在写对象中加入一页
        vwriter.add_page(onepage)
    # 打开最终形成的包含水印的文件
    with open(f"{os.path.dirname(pdfurl)}/合成水印_{datetime.now().strftime('%Y%m%d%H%M%S')}.pdf", 'wb') as f:
        # 通过写对象写到文件中
        vwriter.write(f)
    return True