在 Python 中编辑现有的 PDF 页面

Question

我有一个 PDF 文件，我从中删除了一些页面。我想更正（修复）新的 pdf 页码。有没有什么方法/库可以在不将 pdf 转换为另一种格式的情况下更新页码？我尝试将 pdf 转换为文本、XML 和 JSON，然后修复页码。但是，如果我将它转换回 pdf，它看起来很乱（无法保持原始 pdf 的样式）。我遇到的问题是：

1. 删除旧页码。
2. 添加新页码。

我在 Ubuntu 上使用 python。我试过ReportLab、PyX和pyfpdf。

Answer 1

我也遇到过类似的问题，老实说我没能完全解决，而是自己取了对应的html，用BeautifulSoup处理。但是，我确实得到了比 python 模块更接近的方法，我使用 poppler 的 pdftotext.exe（底部的链接）来读取 pdf 文件，它工作得很好，除了它无法区分文本列之外.由于这不是 python 模块，所以我使用 os.system 来调用 .exe 文件上的命令字符串。

def call_poppler(input_pdf, input_path):

    """
    Call poppler to generate a txt file
    """
    command_row = input_path + " " + input_pdf
    os.system(command_row)
    txt_name = input_pdf[0:-4] + ".txt"
    processed_paper = open_txt(txt_name)
    return processed_paper

def open_txt(input_txt_name):

    """
    Open and generate a python object out of the
    txt attained with poppler
    """
    opened_file = open(input_txt_name,"rb").readlines()
    output_file = []
    for row in opened_file:
        row = row.decode("utf-8").strip()
        output_file.append(row)
    return output_file

这将为您返回一个已处理的“.txt”文件，然后您可以根据需要处理该文件并使用某些模块（例如 pypdf）重写为 pdf，如果这不是您想要的答案，抱歉，但 pdf 文件相当难在 python 中处理，因为它们不是基于文本的文件。不要忘记提供可执行文件的路径。 你可以在这里得到poppler：https://poppler.freedesktop.org/