利用PyPDF2处理pdf

在扫描笔记时有一页有白边，就想到了用python裁掉，由A4纸的 $21cm\times29.7cm$ 裁为 $17.6\times25cm$ 。经过一番搜索过后，发现了PyPDF2（环境：python3.7）这个库，成功处理。

裁剪前

裁剪后

安装

pip3 install pypdf2

代码

核心利用的是对mediaBox对象的操作，查看源代码可知mediaBox是一个矩形对象

self.mediaBox = RectangleObject([
            float(self.mediaBox.getLowerLeft_x()) * sx,
            float(self.mediaBox.getLowerLeft_y()) * sy,
            float(self.mediaBox.getUpperRight_x()) * sx,
            float(self.mediaBox.getUpperRight_y()) * sy])

lowerLeft为左下角的点，默认为（0,0），UpperRight为右上角的点

upperLeft---upperRight        
|                 |           
|                 |           
lowerLeft---lowerRight

完整代码如下

from PyPDF2 import PdfFileReader, PdfFileWriter

''' 读取pdf文件'''
infile='16.pdf'
# 获取一个 PdfFileReader 对象,加strict是让其不要报错
pdf_input = PdfFileReader(open(infile, 'rb'),strict = False)
# 获取 PDF 的页数
page_count = pdf_input.getNumPages()
'''裁剪pdf'''
# 将要处理的第三页(从0开始)取出来
page = pdf_input.getPage(2)
# 截取需要的右上角区域，即重新定义左下角和右上角的坐标
old_width=page.mediaBox.getUpperRight_x()
old_high=page.mediaBox.getUpperRight_y()

page.mediaBox.lowerRight = (old_width* 17.6/21, old_high*(1-24/29.7))
# 等效于
# page.mediaBox.lowerLeft = (0, old_high*(1-24/29.7) )
# page.mediaBox.upperRight = (old_width* 17.6/21, old_high )

''' 处理要输出的pdf文件'''
# 生成一个 PdfFileWriter 对象，用于输出pdf
pdf_output = PdfFileWriter()
#将原pdf除了第三页(从0开始)之外的复制到输出对象中
for i in range(page_count):
    if i==2:
        pdf_output.addPage(page)
    else:
        pdf_output.addPage(pdf_input.getPage(i))

'''将修改后的pdf文件输出'''
with open('16-cut.pdf', "wb") as outputFile:
    pdf_output.write(outputFile)

一些改进

查看源代码后发现没有插入pdf页面功能，最后自己在源代码PyPDF2/pdf.py的PdfFileWriter类中添加了一个插入pdf页功能的函数

    def replacePage(self,page, index=0):
        """
        Replace a page in this PDF file. The page is usually acquired from a
        :class:`PdfFileReader<PdfFileReader>` instance.

        :param PageObject page: The page to replace the document.  This
            argument should be an instance of :class:`PageObject<pdf.PageObject>`.
        :param int index: Position at which the page will be inserted.
        """
        def replace(l,p):
            l[index]=p
            return l
        self._addPage(page, replace)

之前的''' 处理要输出的pdf文件'''部分可以更改为

''' 处理要输出的pdf文件'''
# 生成一个 PdfFileWriter 对象，用于输出pdf
pdf_output = PdfFileWriter()
# 将原pdf的文件全部复制到PdfFileWriter对象中
pdf_output.appendPagesFromReader(pdf_input)
# 自己写的函数，用page替代原来的第三页(从0开始)
pdf_output.replacePage(page,2)

最后编辑于：2020.01.04 00:54:14