ในบทความนี้ เราจะนำเสนอคำแนะนำเกี่ยวกับ วิธีการทำงานกับไฟล์ PDF ด้วย Python สำหรับการนี้เราจะใช้ไลบรารี pypdf

การใช้ไลบรารี pypdf เราจะแสดงวิธีการดำเนินการดังต่อไปนี้ใน Python:

• การดึงข้อความจากไฟล์ PDF
• หมุนหน้าของ PDF
• รวมไฟล์ PDF หลายไฟล์
• แยกไฟล์ PDF ออกเป็นไฟล์แยกต่างหาก
• เพิ่มลายน้ำลงบนหน้าของ PDF

หมายเหตุ: บทความนี้ครอบคลุมรายละเอียดจำนวนมาก สามารถข้ามไปที่ส่วนที่คุณสนใจได้เลย! เนื้อหาได้รับการจัดระเบียบเพื่อให้สามารถนำทางได้ง่าย คุณจึงสามารถมุ่งเน้นไปที่ส่วนที่เกี่ยวข้องมากที่สุดได้อย่างรวดเร็ว

ตัวอย่างโค้ด

คุณสามารถดาวน์โหลดโค้ดตัวอย่างทั้งหมดที่ใช้ในบทความนี้ได้จากลิงก์ด้านล่าง ซึ่งรวมถึงโค้ด ไฟล์นำเข้า และไฟล์ผลลัพธ์

• ตัวอย่างโค้ดและไฟล์นำเข้าสำหรับการทำงานกับไฟล์ PDF ใน Python

ติดตั้ง pypdf

เพื่อที่จะติดตั้ง pypdf ให้รันคำสั่งต่อไปนี้ในเทอร์มินัลหรือคำสั่งพรอมต์:

pip install pypdf

หมายเหตุ: คำสั่งข้างต้นจำเป็นต้องพิมพ์ตัวอักษรตรงตามกรณีที่ระบุ

1. การดึงข้อความจากไฟล์ PDF โดยใช้ Python

คำอธิบายโค้ด

1. การสร้างวัตถุเครื่องอ่าน PDF

reader = PdfReader(pdf_file)

• PdfReader(pdf_file) โหลดไฟล์ PDF เข้าไปใน วัตถุเครื่องอ่าน
• วัตถุนี้อนุญาตให้เข้าถึงหน้าและเนื้อหาของพวกเขา

2. วนรอบผ่านหน้า

for page_number, page in enumerate(reader.pages, start=1):

• reader.pages ส่งคืนรายการของหน้าที่อยู่ใน PDF
• enumerate(..., start=1) กำหนด หมายเลขหน้าเริ่มต้นจาก 1

3. การพิมพ์ข้อความที่ดึงออกมา

    print(f"Page {page_number}:")
    print(page.extract_text())
    print("-" * 50)  # เส้นคั่นเพื่อความอ่านง่าย

• page.extract_text() ดึงเนื้อหาข้อความจากหน้าปัจจุบัน
• สคริปต์พิมพ์ข้อความที่ดึงออกมาพร้อมกับ หมายเลขหน้า
• "-" * 50 พิมพ์เส้นคั่น (--------------------------------------------------) เพื่อความอ่านง่าย

ไฟล์ PDF ที่ใช้ในโค้ด

• ไฟล์นำเข้า: ลิงก์ดาวน์โหลด

ผลลัพธ์ของโค้ด

2. การหมุนหน้าของ PDF โดยใช้ Python

คำอธิบายโค้ด

โค้ดนี้หมุนหน้า แรก โดยเป็น 90° ทวนเข็มนาฬิกา และบันทึกไฟล์ PDF ที่แก้ไขโดยไม่กระทบกับหน้าที่อื่น

1. นำเข้าคลาสที่จำเป็น

from pypdf import PdfReader, PdfWriter

• PdfReader: อ่านไฟล์ PDF ที่นำเข้า
• PdfWriter: สร้าง PDF ใหม่ที่ปรับเปลี่ยนแล้ว

2. กำหนดเส้นทางไฟล์นำเข้าและไฟล์ส่งออก

input_pdf = "pdf-to-rotate/input.pdf"
output_pdf = "pdf-to-rotate/rotated_output.pdf"

• สคริปต์อ่านจาก input.pdf และบันทึกไฟล์ที่แก้ไขเป็น rotated_output.pdf

3. อ่าน PDF และสร้างวัตถุเครื่องเขียน

reader = PdfReader(input_pdf)
writer = PdfWriter()

• reader โหลดไฟล์ PDF ที่มีอยู่
• writer ใช้สำหรับเก็บหน้าที่แก้ไขแล้ว

4. หมุนหน้าแรกด้วย 90 องศา

page = reader.pages[0]
page.rotate(90)  # หมุน 90 องศาทวนเข็มนาฬิกา
writer.add_page(page)

• ดึง หน้า 1 หมุน 90 องศา และเพิ่มไปยัง PDF ใหม่

5. เพิ่มหน้าที่เหลือโดยไม่เปลี่ยนแปลง

for i in range(1, len(reader.pages)):
    writer.add_page(reader.pages[i])

• วนรอบผ่านหน้าที่เหลือแล้วเพิ่มพวกเขาไปในสภาพเดิม

6. บันทึก PDF ใหม่

with open(output_pdf, "wb") as file:
    writer.write(file)

• เปิด rotated_output.pdf ในโหมดการเขียนแบบไบนารีและบันทึก PDF ใหม่

7. พิมพ์การยืนยัน

print(f"Rotated page saved to {output_pdf}")

• แสดงข้อความสำเร็จ

ไฟล์ PDF ที่ใช้ในโค้ดและผลลัพธ์การหมุน

• ไฟล์นำเข้า PDF: ลิงก์ดาวน์โหลด
• ไฟล์ PDF ที่หมุนแล้ว: ลิงก์ดาวน์โหลด

ภาพหน้าจอ

3. การรวมไฟล์ PDF โดยใช้ Python

สคริปต์ Python นี้แสดงวิธีการ รวมไฟล์ PDF หลายไฟล์ จากไดเรกทอรี่หนึ่งเข้าเป็น PDF ไฟล์เดียวโดยใช้ไลบรารี PyPDF

คำอธิบายโค้ด

• สคริปต์นี้รวมไฟล์ PDF ทั้งหมดที่พบในไดเรกทอรีที่ระบุ (pdfs-to-merge) เข้าไปเป็นไฟล์ส่งออกไฟล์เดียว (merged_output.pdf)
• มันแน่ใจว่าไดเรกทอรีส่งออกมีอยู่และเพิ่มหน้าจากไฟล์ PDF แต่ละไฟล์ตามลำดับที่ระบุ
• มันสร้างไฟล์สุดท้ายที่รวมอยู่ในไดเรกทอรี output-dir

โครงสร้างของโค้ด

1. การนำเข้าสมุด

import os
from pypdf import PdfReader, PdfWriter

• os: ใช้ในการโต้ตอบกับระบบไฟล์ เช่น การอ่านไดเรกทอรีและการจัดการเส้นทางไฟล์
• PdfReader: อ่านเนื้อหาไฟล์ PDF
• PdfWriter: สร้างและเขียนไฟล์ PDF ใหม่

2. กำหนดไดเรกทอรีและไฟล์ส่งออก

directory = "pdfs-to-merge"
output_file = "output-dir/merged_output.pdf"

• directory: ระบุโฟลเดอร์ที่เก็บไฟล์ PDF
• output_file: กำหนดเส้นทางและชื่อของไฟล์ PDF ที่รวมแล้ว

3. สร้างไดเรกทอรีส่งออกถ้ามันไม่มีอยู่

os.makedirs(os.path.join(directory, "output-dir"), exist_ok=True)

• สิ่งนี้เกลาว่า ไดเรกทอรีส่งออก มีอยู่ ถ้ามันไม่มีอยู่ มันจะสร้างให้

4. สร้างวัตถุ PdfWriter

writer = PdfWriter()

• writer ใช้ในการรวบรวมและรวมหน้าทั้งหมดจาก PDF

5. วนรอบไฟล์ PDF ทั้งหมดในไดเรกทอรี

for file_name in sorted(os.listdir(directory)):
    if file_name.endswith(".pdf"):
        file_path = os.path.join(directory, file_name)
        print(f"Adding: {file_name}")

• วนรอบไฟล์ทั้งหมดในไดเรกทอรีที่ระบุ ตรวจสอบไฟล์ที่มีนามสกุล .pdf ใช้ sorted() เพื่อจัดเรียงและประมวลผลตามลำดับอักษร

6. อ่าน PDF แต่ละไฟล์และเพิ่มหน้าใน Writer

reader = PdfReader(file_path)
writer.append(reader)

• สำหรับแต่ละ PDF PdfReader จะอ่านไฟล์ จากนั้นทุกหน้าจาก PDF นั้นจะถูกเพิ่มไปยัง writer

7. เขียนไฟล์ PDF ที่รวมแล้วในไฟล์ส่งออก

output_path = os.path.join(directory, output_file)
with open(output_path, "wb") as output_pdf:
    writer.write(output_pdf)

• หลังจากรวบรวมหน้าทั้งหมดแล้ว writer.write() จะเขียนไฟล์ PDF ที่รวมแล้วไปยังเส้นทางส่งออกที่ระบุ

8. พิมพ์การยืนยัน

print(f"Merged PDF saved as: {output_path}")

• พิมพ์ข้อความสำเร็จยืนยันที่ตั้งของไฟล์ PDF ที่รวมแล้ว

ไฟล์ PDF ต้นฉบับที่ใช้ในโค้ดและไฟล์ PDF ที่รวมแล้ว

• ไฟล์ PDF ต้นฉบับ: ลิงก์ดาวน์โหลด
• ไฟล์ PDF ที่รวมแล้ว: ลิงก์ดาวน์โหลด

4. การแยกไฟล์ PDF โดยใช้ Python

คำอธิบายโค้ด

สคริปต์ Python ข้างต้นแยกไฟล์ PDF ออกเป็นหน้าแยกโดยใช้ไลบรารี PyPDF มันจะตรวจสอบให้แน่ใจว่าไดเรกทอรีเอาต์พุตมีอยู่ จากนั้นอ่านไฟล์ PDF นำเข้า สคริปต์วนรอบผ่านแต่ละหน้า สร้างวัตถุ PdfWriter ใหม่ และบันทึกแต่ละหน้าเป็นไฟล์ PDF เดี่ยวๆ ไฟล์เอาต์พุตจะถูกตั้งชื่อตามลำดับ (เช่น page_1.pdf, page_2.pdf) และจัดเก็บไว้ในโฟลเดอร์ output-dir สุดท้าย มันจะพิมพ์ข้อความยืนยันสำหรับไฟล์ที่สร้างขึ้นแต่ละไฟล์และแสดงเมื่อกระบวนการเสร็จสมบูรณ์

ไฟล์ PDF นำเข้าและไฟล์เอาต์พุตที่แยกออก

• ไฟล์ PDF นำเข้า: ลิงก์ดาวน์โหลด
• ไฟล์เอาต์พุตที่แยกออก: ลิงก์ดาวน์โหลด

5. การเพิ่มลายน้ำลงใน PDF โดยใช้ Python

คุณสามารถเพิ่มลายน้ำลงใน PDF โดยใช้ไลบรารี PyPDF โดยการซ้อนทับไฟล์ PDF ของลายน้ำลงในไฟล์ PDF ที่มีอยู่ ตรวจสอบให้แน่ใจว่าไฟล์ PDF ของลายน้ำมีเพียงหนึ่งหน้าเพื่อให้ลายน้ำสามารถใช้งานได้ถูกต้องในแต่ละหน้าของไฟล์หลัก

คำอธิบายโค้ด

สคริปต์ Python ข้างต้นอ่านไฟล์ PDF นำเข้า ดึงสาระ PDF ของลายน้ำที่มีเพียงหน้าเดียว ซ้อนทับลายน้ำในแต่ละหน้าของไฟล์ PDF นำเข้า และบันทึกไฟล์ PDF ที่มีลายน้ำสุดท้าย

โครงสร้างของโค้ด

นี่คือคำอธิบายโดยสังเขปของแต่ละส่วน

1. การนำเข้าคลาสที่จำเป็น

from pypdf import PdfReader, PdfWriter

• PdfReader ใช้ในการอ่านไฟล์ PDF ที่มีอยู่
• PdfWriter ใช้ในการสร้างและเขียนไฟล์ PDF ใหม่

2. กำหนดเส้นทางไฟล์

input_pdf = "pdf-to-watermark/input.pdf"
watermark_pdf = "pdf-to-watermark/watermark.pdf"
output_pdf = "pdf-to-watermark/output_with_watermark.pdf"

• input_pdf: ไฟล์ PDF ต้นฉบับที่ต้องการเพิ่มลายน้ำ
• watermark_pdf: ไฟล์ PDF ที่มีหน้าเดียวที่ใช้เป็นลายน้ำ
• output_pdf: ไฟล์เอาต์พุตที่มีหน้าที่มีลายน้ำ

3. อ่านไฟล์ PDF

reader = PdfReader(input_pdf)
watermark = PdfReader(watermark_pdf)

• reader: อ่านไฟล์ PDF ที่นำเข้า
• watermark: อ่านไฟล์ PDF ของลายน้ำ

4. สร้างวัตถุ Writer

writer = PdfWriter()

• จะใช้ในการสร้างไฟล์ PDF สุดท้ายที่มีลายน้ำ

5. ดึงหน้าลายน้ำ

watermark_page = watermark.pages[0]

• คาดว่าไฟล์ PDF ลายน้ำมีเพียง หน้าเดียว ที่ใช้ซ้อนทับในทุกหน้า

6. วนรอบหน้าของไฟล์ PDF นำเข้า & รวมลายน้ำ

for page in reader.pages:
    # รวมลายน้ำกับหน้าปัจจุบัน
    page.merge_page(watermark_page)
    
    # เพิ่มหน้าที่รวมแล้วไปยัง writer
    writer.add_page(page)

• วนรอบผ่านแต่ละหน้าของ input_pdf
• merge_page(watermark_page) ซ้อนทับลายน้ำลงบนหน้าปัจจุบัน
• เพิ่มหน้าที่ปรับเปลี่ยนแล้วไปยัง writer

7. บันทึกไฟล์ PDF ที่มีลายน้ำ

with open(output_pdf, "wb") as output_file:
    writer.write(output_file)

• เขียนหน้าที่ปรับเปลี่ยนไปในไฟล์ PDF ใหม่

8. พิมพ์ยืนยัน

print(f"Watermarked PDF saved as: {output_pdf}")

• พิมพ์เส้นทางไฟล์ส่งออกเพื่อยืนยันการสำเร็จของการทำงาน

ไฟล์ PDF นำเข้า, ไฟล์ PDF ลายน้ำ, และไฟล์ PDF ที่มีลายน้ำ

• ไฟล์ PDF นำเข้า: ลิงก์ดาวน์โหลด
• ไฟล์ PDF ลายน้ำ: ลิงก์ดาวน์โหลด
• ไฟล์ PDF ที่มีลายน้ำ: ลิงก์ดาวน์โหลด

ภาพหน้าจอ

สรุป

ในคำแนะนำนี้ เราได้สำรวจการทำงานที่สำคัญของ PDF ใน Python รวมถึงการดึงข้อความ หมุนหน้า รวม แยก และเพิ่มลายน้ำ ด้วยทักษะเหล่านี้ คุณสามารถสร้างตัวจัดการ PDF ของคุณเองและทำงานอัตโนมัติกับ PDF ต่างๆ ได้อย่างมีประสิทธิภาพ.