کتابخانه Python منبع باز برای تبدیل فایل‌های PDF

شروع کار با pdfrw

pdfrw به پایتون 2.6، 2.7، 3.3، 3.4، 3.5 و 3.6 نیاز دارد. می توانید pdfrw را با استفاده از pip نصب کنید. لطفا از دستور زیر برای نصب آن استفاده کنید.

 python -m pip install pdfrw  

ایجاد اسناد PDF از طریق کتابخانه پایتون

کتابخانه pdfrw به توسعه دهندگان نرم افزار این امکان را می دهد که تنها با چند خط کد، اسناد PDF را در برنامه های پایتون خود ایجاد کنند. این کتابخانه همچنین از دسترسی و اصلاح فایل های PDF موجود پشتیبانی می کند. شما به راحتی می توانید صفحات جدید و همچنین اجزای گرافیکی یا عناصر متنی را در PDF موجود وارد کنید. کتابخانه pdfrw برای یافتن صفحات در فایل‌های پی‌دی‌افی که در آن‌ها می‌خوانید و بازنویسی مجموعه‌ای از صفحات به یک فایل PDF جدید پشتیبانی می‌کند.

 // PDF Documents Creation 
  import sys
  import os
  from pdfrw import PdfReader, PdfWriter
  inpfn, = sys.argv[1:]
  outfn = 'alter.' + os.path.basename(inpfn)
  trailer = PdfReader(inpfn)
  trailer.Info.Title = 'My New Title Goes Here'
  PdfWriter(outfn, trailer=trailer).write() 

خواندن فایل های PDF از طریق پایتون

کتابخانه pdfrw به توسعه دهندگان نرم افزار این امکان را می دهد که به راحتی به بخش های مختلف اسناد PDF در داخل برنامه های پایتون دسترسی داشته باشند و آنها را بخوانند. این امکان دسترسی آسان به کل سند PDF را فراهم می کند. این کتابخانه از بازیابی اطلاعات فایل، اندازه و موارد دیگر پشتیبانی می کند. این یک ویژگی خاص به نام صفحات ایجاد می کند که به کاربران امکان می دهد تمام صفحات یک سند PDF را فهرست کنند. این به شما امکان می دهد یک شی اطلاعات سند را استخراج کنید که می توانید از آن برای بیرون کشیدن اطلاعاتی مانند نویسنده، عنوان و غیره استفاده کنید.

 // Reading PDF Files
  from pdfrw import pdfreader
  def get_pdf_info(path):
    pdf = pdfreader(path)
    print(pdf.keys())
    print(pdf.info)
    print(pdf.root.keys())
    print('pdf has {} pages'.format(len(pdf.pages)))
  if __name__ == '__main__':
    get_pdf_info('w9.pdf')

افزودن یا اصلاح متادیتا

pdfrw به توسعه دهندگان نرم افزار اجازه می دهد تا ابرداده های فایل های PDF را در برنامه های پایتون خود اضافه یا تغییر دهند. می‌توانید یک مورد متادیتا را در یک PDF تغییر دهید، نتیجه را در یک PDF جدید بنویسید و همچنین می‌توانید چندین فایل را شامل کنید، و پس از افزودن برخی ابرداده‌های بی‌معنی به فایل PDF خروجی، آنها را به هم متصل کنید.

 // Modifying PDF Metadata
  import sys
  import os
  from pdfrw import PdfReader, PdfWriter
  inpfn, = sys.argv[1:]
  outfn = 'alter.' + os.path.basename(inpfn)
  trailer = PdfReader(inpfn)
  trailer.Info.Title = 'My New Title Goes Here'
  PdfWriter(outfn, trailer=trailer).write() 

تقسیم اسناد PDF

pdfrw به توسعه دهندگان نرم افزار اجازه می دهد تا اسناد PDF را در برنامه های خود به صورت برنامه نویسی تقسیم کنند. ممکن است کاربر به جای ذخیره کردن آنها در یک فایل، نیاز به استخراج بخش خاصی از یک کتاب PDF یا تقسیم آن به چندین PDF داشته باشد. با کتابخانه pdfrw بسیار آسان است، فقط باید یک مسیر فایل PDF ورودی، تعداد صفحاتی که می خواهید استخراج کنید و مسیر خروجی را ارائه دهید.

 // Splitting PDF file into multiple pdfs
  from pdfrw import pdfreader, pdfwriter
  def split(path, number_of_pages, output):
    pdf_obj = pdfreader(path)
    total_pages = len(pdf_obj.pages)
    writer = pdfwriter()
    for page in range(number_of_pages):
      if page <= total_pages:
        writer.addpage(pdf_obj.pages[page])
    writer.write(output)
  if __name__ == '__main__':
    split('reportlab-sample.pdf', 10, 'subset.pdf')