Biblioteca Python de código aberto para processar arquivos PDF

Introdução ao PikePDF

PikePDF requer Python 3.6 e superior. Você pode instalar o PikePDF usando pip. Por favor, use o seguinte comando para instalá-lo.

 pip install pikepdf

Copie páginas de um PDF para outro via Python

A biblioteca de código aberto PikePDF fornece o recurso que permite aos desenvolvedores de software co-pagar páginas de um PDF para outro com apenas algumas linhas de código Python. Copiar páginas entre objetos PDF criará uma cópia superficial da página de origem no arquivo PDF de destino e, portanto, modificar as páginas não afetará os documentos PDF originais. Também é possível substituir páginas específicas por conteúdo personalizado. Também é possível copiar páginas dentro de um determinado PDF.

 # PDF Documents Manipulation 
  from pikepdf import Pdf
  new_pdf = Pdf.new()
  with Pdf.open('sample.pdf') as pdf:
    pdf.save('output.pdf') 
   # Copying pages from other PDFs
  pdf = Pdf.open('../tests/resources/fourpages.pdf')
  appendix = Pdf.open('../tests/resources/sandwich.pdf')
  pdf.pages.extend(appendix.pages)

Divisão e mesclagem de PDF via Python

A biblioteca PDF PikePDF oferece aos desenvolvedores de software o poder de acessar arquivos PDF existentes e dividi-los em vários arquivos PDF com facilidade. Ao dividir o PDF, tudo o que precisamos é que os novos PDFs contenham as páginas de destino. A biblioteca também garante a transferência de dados associados a cada página, para que cada página seja independente. A biblioteca também inclui suporte para mesclar ou concatenar vários documentos PDF em um único. Também é possível reverter a ordem das páginas do PDF com apenas algumas linhas de código.

 # PDF Splitting
  pdf = Pdf.open('../tests/resources/fourpages.pdf')
  for n, page in enumerate(pdf.pages):
  dst = Pdf.new()
  dst.pages.append(page)
  dst.save(f'{n:02d}.pdf')
  # Combine Multiple PDF pages into a single One
  from glob import glob
  pdf = Pdf.new()
  for file in glob('*.pdf'):
  src = Pdf.open(file)
  pdf.pages.extend(src.pages)
  pdf.save('merged.pdf')

Gerenciar imagens dentro do documento PDF via Python

A biblioteca PDF PikePDF facilita para os desenvolvedores de software o manuseio de imagens dentro de um arquivo PDF usando comandos Python. A biblioteca inclui várias funções importantes relacionadas ao manuseio de imagens, como copiar imagens na página PDF, abrir e visualizar PDF, redimensionar imagens, manipular imagens em um PDF, extrair imagens de PDF, substituir imagens, excluir uma imagem de PDF e muito mais .

 # Extract Image & Replace PDF Images
  import zlib
  rawimage = pdfimage.obj
  pillowimage = pdfimage.as_pil_image()
  greyscale = pillowimage.convert('L')
  greyscale = greyscale.resize((32, 32))
  rawimage.write(zlib.compress(greyscale.tobytes()), filter=Name("/FlateDecode"))
  rawimage.ColorSpace = Name("/DeviceGray")
  rawimage.Width, rawimage.Height = 32, 32

Manipulação de metadados PDF via Python

Os metadados PDF incluem informações muito úteis sobre um documento PDF, como o nome do autor, data de criação e modificação, palavras-chave, informações sobre direitos autorais e assim por diante. A biblioteca PDF PikePDF incluiu funcionalidade completa para acessar e ler metadados, extrair metadados, excluir entradas de metadados de documentos PDF. O exemplo de código a seguir mostra como extrair metadados de documentos PDF.

 # Extract PDF Metadata
  import pikepdf
  import sys
  # get the target pdf file from the command-line arguments
  pdf_filename = sys.argv[1]
  # read the pdf file
  pdf = pikepdf.Pdf.open(pdf_filename)
  docinfo = pdf.docinfo
  for key, value in docinfo.items():
    print(key, ":", value)