标签: pypdf2

我正在努力使用 PyPDF2 模块压缩我合并的 pdf。这是我基于http://www.blog.pythonlibrary.org/2012/07/11/pypdf2-the-new-fork-of-pypdf/ 的尝试

import PyPDF2
path = open('path/to/hello.pdf', 'rb')
path2 = open('path/to/another.pdf', 'rb')
merger = PyPDF2.PdfFileMerger()
merger.append(fileobj=path2)
merger.append(fileobj=path)
pdf.filters.compress(merger)
merger.write(open("test_out2.pdf", 'wb'))

我收到的错误是

TypeError: must be string or read-only buffer, not file

我还尝试在合并完成后压缩 pdf。我将失败的压缩基于使用 PDFSAM 压缩后得到的文件大小。有什么想法吗？谢谢。

我正在尝试将 pdf 拆分为其页面并将每个页面另存为新的 pdf。我从上一个问题尝试过这种方法，但没有成功，这里的 pypdf2 拆分示例也没有成功。编辑：我可以在我的文件中看到它成功写入了第一页，然后创建了第二页 pdf 但它是空的。

这是我试图运行的代码：

from PyPDF2 import PdfFileWriter, PdfFileReader

inputpdf = PdfFileReader(open("my_pdf.pdf", "rb"))

for i in range(inputpdf.numPages):
    output = PdfFileWriter()
    output.addPage(inputpdf.getPage(i))
    with open("document-page%s.pdf" % i, "wb") as outputStream:
        output.write(outputStream)

这是完整的错误消息：

Traceback (most recent call last):
  File "pdf_functions.py", line 9, in <module>
    output.write(outputStream)
  File "/usr/local/lib/python3.4/dist-packages/PyPDF2/pdf.py", line 482, in write
    self._sweepIndirectReferences(externalReferenceMap, self._root)
  File "/usr/local/lib/python3.4/dist-packages/PyPDF2/pdf.py", line 572, in _sweepIndirectReferences
    self._sweepIndirectReferences(externMap, realdata)
  File "/usr/local/lib/python3.4/dist-packages/PyPDF2/pdf.py", line 548, in _sweepIndirectReferences
    value = self._sweepIndirectReferences(externMap, value)
  File "/usr/local/lib/python3.4/dist-packages/PyPDF2/pdf.py", line …

+----+-----------------------------+
| id | name                        |
+====+=============================+
| 47 | Some textjogjwojgopwgpowmok |
+----+-----------------------------+
| 47 | Some textjogjwojgopwgpowmokg|
+----+-----------------------------+
| 47 | Some textjogjwojgopwgpowmokg|
+----+-----------------------------+
| 47 | Some textjogjwojgopwgpowmokg|
+----+-----------------------------+
| 47 | Some textjogjwojgopwgpowmokg|
+----+-----------------------------+

我想使用python库以上述格式将上表写入PDF文件。感谢立即响应。

我需要批量填写pdf表单,所以我试着写一个python代码从csv文件中为我做.我在这个问题中使用了第二个答案并且它填写了表格,但是当我打开填写的表格时,除非选择相应的字段,否则答案不会显示.表格打印时也没有显示答案.我查看了PyPDF2文档,看看我是否可以压缩生成的表单但是这个功能还没有实现,即使大约一年前已经被要求了.我的偏好是不使用pdftk所以我可以编译脚本而不需要更多的依赖.在上述问题中使用原始代码时,某些字段会显示在打印件中,有些字段不会让我对它们的工作方式感到困惑.任何帮助表示赞赏.

这是代码.

# -*- coding: utf-8 -*-

from collections import OrderedDict
from PyPDF2 import PdfFileWriter, PdfFileReader


def _getFields(obj, tree=None, retval=None, fileobj=None):
    """
    Extracts field data if this PDF contains interactive form fields.
    The *tree* and *retval* parameters are for recursive use.

    :param fileobj: A file object (usually a text file) to write
    a report to on all interactive form fields found.
    :return: A dictionary where each key is a field name, and each
    value is a :class:`Field<PyPDF2.generic.Field>` object. …

我有一个项目，我需要填写预制的 PDF，我想到的最合乎逻辑的解决方案是将预制的 PDF 制作成 PDF 表单，以便输入值应该放在标签中，然后我可以查看 PDF 中的表单标签，并将它们与值字典对齐。

我已经使用PyPDF2完成了这项工作。总的来说，我拍了一张网络表单的图像，然后打开 Acrobat 并根据图像中看到的字段创建了一个 PDF 表单，然后使用PyPDF2来填写 PDF 表单字段，但需要注意的是打印那些填写的值似乎在某些浏览器中存在问题，Firefox 就是其中之一。

我如何将我的 PDF 表单转换为标准/平面 PDF 以便我可以保留预先填充的值，但会丢失可编辑的字段（因为我认为这是问题所在）？

from io import BytesIO

import PyPDF2
from django.http import HttpResponse

from PyPDF2.generic import BooleanObject, NameObject, IndirectObject


def pdf_view(request):
    template = 'templates/template.pdf'

    outfile = "templates/test.pdf"

    input_stream = open(template, "rb")
    pdf_reader = PyPDF2.PdfFileReader(input_stream, strict=False)
    if "/AcroForm" in pdf_reader.trailer["/Root"]:
        pdf_reader.trailer["/Root"]["/AcroForm"].update(
            {NameObject("/NeedAppearances"): BooleanObject(True)})

    pdf_writer = PyPDF2.PdfFileWriter()
    set_need_appearances_writer(pdf_writer)
    if "/AcroForm" in pdf_writer._root_object:
        # Acro form is form field, …

我正在尝试从 pdf 文件中获取文本。下面是代码：

from PyPDF2 import PdfFileReader
with open('HTTP_Book.pdf', 'rb') as file:
    pdf = PdfFileReader(file)

page = pdf.getPage(1)
#print(dir(page))
print(page.extractText())

这给了我错误

ValueError: seek of closed file

我只是将代码放在with语句下，它工作正常。我的问题是：为什么会这样？我已经将信息存储在“pdf”对象中，所以我应该能够在块外访问它。

我想将元数据键值对添加到pdf文件的元数据中.

我找到了几年的答案,但我认为这是复杂的方法.我想今天有一种更简单的方法:https://stackoverflow.com/a/3257340/633961

我没有和pypdf2结婚,如果有更简单的方法,那我就这样走吧？

我有一个 pdf 文件列表，我需要在这些文件的每一页上突出显示特定文本，并为每个文本实例保存一个快照。

到目前为止，我能够突出显示文本并将pdf文件的整个页面保存为快照。但是，我想找到突出显示文本的位置并放大快照，与整页快照相比，它会更详细。

我很确定这个问题一定有解决方案。我是 Python 的新手，因此我找不到它。如果有人能帮我解决这个问题，我将不胜感激。

我曾尝试使用PyPDF2,Pymupdf库，但我无法找出解决方案。我还尝试通过提供有效的坐标来突出显示，但找不到将这些坐标作为输出获取的方法。

[![Sample snapshot from the code[![\]\[1\]][1]][1]][1]

#import PyPDF2
import os
import fitz
from wand.image import Image
import csv
#import re
#from pdf2image import convert_from_path

check = r'C:\Users\Pradyumna.M\Desktop\Pradyumna\Automation\Intel Bytes\Create Source Docs\Sample Check 8 Apr 2019'

dir1 = check + '\\Source Docs\\'
dir2 = check + '\\Output\\'

dir = [dir1, dir2]

for x in dir:
    try:
        os.mkdir(x)
    except FileExistsError:
        print("Directory ", x, " already exists")

### READ PDF FILE
with open('upload1.csv', …

你们能解决问题吗？我无法阅读阿拉伯语 PDF 文件。我不知道是什么问题。谢谢

import PyPDF2

def main():

   with   open("arabic_text.pdf", encoding='utf-8') as pdfFile:
       pdfRead = PyPDF2.PdfFileReader(pdfFile)
       output = PdfFileWriter()

   for m in range(pdfRead.getNumPages()):
       page = pdfRead.getPage(m)
       pageContent = page.extractText()
       print(pageContent)

if __name__ == "__main__":
   main()

我是 Python 和一般编码的新手。我正在尝试创建一个程序，该程序将对 PDF 目录进行 OCR，然后提取文本，以便稍后我可以挑选出特定的内容。但是，我无法让 pdfPlumber 从所有页面中提取所有文本。您可以从开始到结束建立索引，但如果结束未知，则会因为索引超出范围而中断。

import ocrmypdf
import os
import requests
import pdfplumber
import re
import logging
import sys
import PyPDF2

## test folder C:\Users\adams\OneDrive\Desktop\PDF

user_direc = input("Enter the path of your files: ") 

#walks the path and prints out each PDF in the 
#OCRs the documents and skips any OCR'd pages.


for dir_name, subdirs, file_list in os.walk(user_direc):
    logging.info(dir_name + '\n')
    os.chdir(dir_name)
    for filename in file_list:
        file_ext = os.path.splitext(filename)[0--1]
        if file_ext == '.pdf':
            full_path = dir_name + …