• 使用PyPDF2对pdf切边并保留书签addBookMark


      最近再网上下了一本pdf电子书(扫描版),质量不错。只是边缘太宽了,看起来不方便,就想着找一个切边工具。搜了一圈二,没有找到好用的,就自己动手。

    win10 下载python3 官方网址:https://www.python.org/

    安装包

    pip install PyPDF2

    这里用到了PdfFileReader PageObject PdfFileWriter 这几个主要的类,以下简单的pdf操作

    import PyPDF2
                
    pdfFile = open('123.pdf','rb')
    
    pdfReader = PyPDF2.PdfFileReader(pdfFile)
    pdfWriter = PyPDF2.PdfFileWriter()
    
    #获取页数
    count = pdfReader.numPages
    
    #获取目录信息
    outlines = pdfReader.getOutlines()
       
    #获取原始页面的size
    firstpage = pdfReader.getPage(0)
    w = float(firstpage.mediaBox.getWidth())
    h = float(firstpage.mediaBox.getHeight())
    
    #读取pdf文件第一页
    pageObj = pdfReader.getPage(0) 
    
    #写入pdf页
    pdfWriter.addPage(pageObj)
    
    #写入书签
    pdfWriter.addBookmark(title='Hello PyPDF2', pagenum=1)
    
    #写入文件
    pdfWriter.write(open('321.pdf','wb'))
    
    pdfFile.close()
    

     完整切边代码

    # -*- coding: utf-8 -*-
    """
    Created on Tue Apr 21 17:51:20 2020
    
    @author: teyond
    
    下载的pdf边缘很大,代码切了一下,同样加载了标签
    """
    
    
    import PyPDF2
    
    #-----------------------------------------------------------------------------
    #解析目录
    page_marks = {} #标签
    #信息整理:父索引序号,页内索引号,标题,类型
    def get_bookmark_info(strline,level_id):
        dtn = strline
        idobj = dtn.page 
    
        return level_id,pageLabels[idobj.idnum],dtn.title,dtn.typ
        
    #第一级索引信息
    def get_fist_grade(strline,level1_id=0):
        num = level1_id
        parent_id = level1_id
        for subline in strline:
            if isinstance(subline, list):
                num,parent_id = get_second_grade(subline,num)
            else:
                num = num+1
                page_marks[num] = get_bookmark_info(subline,level1_id)
                #print('level1---:',num,parent_id)
        return num,parent_id
    #第二级索引信息
    def get_second_grade(strline,level2_id=0):    
        num = level2_id
        parent_id = level2_id
        for subline in strline:
            if isinstance(subline, list):
                num,parent_id= get_third_grade(subline,num)
            else:
                num = num+1
                page_marks[num] = get_bookmark_info(subline,level2_id)
                #print('level2---:',num,parent_id)
        return num,parent_id
    #第三级索引信息
    def get_third_grade(strline,level3_id=0):    
        num = level3_id
        parent_id = level3_id
        for subline in strline:
            if isinstance(subline, list):
                num,parent_id = get_fourth_grade(subline,num)
            else:
                num = num+1
                page_marks[num] = get_bookmark_info(subline,level3_id)
                #print('level3---:',num,parent_id)
        return num,parent_id
    #第四级索引信息
    def get_fourth_grade(strline,level4_id=0):    
        num = level4_id
        parent_id = level4_id
        for subline in strline:
            if isinstance(subline, list):
                continue
            else:
                num = num+1
                page_marks[num] = get_bookmark_info(subline,level4_id)
                #print('level4---:',num,parent_id)
        return num,parent_id
    #-----------------------------------------------------------------------------
                
    pdfFile = open('123.pdf','rb')
    
    pdfReader = PyPDF2.PdfFileReader(pdfFile)
    pdfWriter = PyPDF2.PdfFileWriter()
    
    #-----------------------------------------------------------------------------
    #检索页面
    count = pdfReader.numPages
    pageLabels = {} #标签页
    for index in range(count):
        pageObj = pdfReader.getPage(index)   
        pageLabels[pageObj.indirectRef.idnum] = index  #页码索引
    
    outlines = pdfReader.getOutlines()
    get_fist_grade(outlines)
    #print(page_marks)
    #------------------------------------------------------------------------------
       
    #获取原始页面的size
    firstpage = pdfReader.getPage(0)
    w = float(firstpage.mediaBox.getWidth())
    h = float(firstpage.mediaBox.getHeight())
    
    #切边后在原页面位置
    xs = w*0.21    #截取页面left
    xe = w*0.79    #截取页面right
    ys = 0
    ye = h
    #-----------------------------------------------------------------------------    
    #页面剪切 页面四个顶点,位置需要输出自己调整
    for index in range(count):
        pageObj = pdfReader.getPage(index)    
        pageObj.mediaBox.uppderLeft = (xs,ye)
        pageObj.mediaBox.uppderRight = (xe,ye)
        pageObj.mediaBox.lowerLeft = (xs,ys)
        pageObj.mediaBox.lowerRight = (xe,ys)  
        pdfWriter.addPage(pageObj)    
    #-----------------------------------------------------------------------------    
    #添加书签 
    pg_marks={}
    for index in range(1,len(page_marks)+1):
        (pt_index,pgnum,pgtitle,bktyp) = page_marks[index]
        if pt_index==0:
            #添加书签,建书签索引
            pg_marks[index]=pdfWriter.addBookmark(title=pgtitle, pagenum=pgnum, fit=bktyp)
        else:
            #存在父节点,书签定向到父节点下面        
            pts = pg_marks[pt_index]
            pg_marks[index]=pdfWriter.addBookmark(title=pgtitle, pagenum=pgnum,parent=pts, fit=bktyp)
    #-----------------------------------------------------------------------------  
    #写入文件
    pdfWriter.write(open('321.pdf','wb'))
    
    pdfFile.close()
    

      

  • 相关阅读:
    阅读笔记二
    阅读笔记一
    2017年秋季个人阅读计划
    问题账户需求分析
    阅读笔记(一)《软件需求与分析》需要掌握的内容
    我们应该创新吗?
    让你的英文文章看起来高级的一些词汇
    让你的英文文章看起来高级的一些词汇
    Windows的任务管理器怎么显示进程的图标
    如何和不好相处的人一起工作
  • 原文地址:https://www.cnblogs.com/teyond/p/PyPDF2.html
Copyright © 2020-2023  润新知