你们一定都熟悉PDF是什么。实际上，它们是最重要且使用最广泛的数字媒体之一。 PDF代表可移植文档格式。 它使用.pdf扩展名。 它用于可靠地显示和交换文档，而与软件，硬件或操作系统无关。
PDF由Adobe发明，现在是国际标准化组织（ISO）维护的开放标准。 PDF可以包含链接和按钮，表单字段，音频，视频和业务逻辑。
在本文中，我们将学习如何执行各种操作，例如：
- 从PDF提取文本
- 旋转PDF页面
- 分割PDF
安装
我们将使用第三方模块PyPDF2。
PyPDF2是一个构建为PDF工具包的python库。 它具有以下能力：
- 提取文档信息（标题，作者等）
- 逐页拆分文档
- 逐页合并文档
- 裁剪页面
- 将多个页面合并为一个页面
- 加密和解密PDF文件
- 以及更多！
要安装PyPDF2，请从命令行运行以下命令：
pip install PyPDF2
此模块名称区分大小写，因此请确保y为小写，其他所有内容均为大写。 本教程/文章中使用的所有代码和PDF文件都在这里。
1.从PDF文件中提取文本
让我们尝试以块的形式理解上面的代码：
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
在这里，我们创建PyPDF2模块的PdfFileReader类的对象，并传递pdf文件对象并获得pdf阅读器对象。
print(pdfReader.numPages)
numPages属性提供pdf文件中的页数。例如，在我们的例子中，它是455（请参见输出的第一行）。
pageObj = pdfReader.getPage(0)
现在，我们创建一个PyPDF2模块的PageObject类的对象。 pdf阅读器对象具有getPage()函数，该函数将页码（起始索引为0）作为参数并返回该页对象。
print(pageObj.extractText())
Page object具有函数extractText()，用于从pdf页面中提取文本。
pdfFileObj.close()
最后，我们关闭pdf文件对象。
注意：虽然PDF文件非常适合以易于人们打印和阅读的方式来布置文本，但要用软件将其解析为纯文本并不是一件容易的事。因此，从PDF提取文本时，PyPDF2可能会出错，甚至根本无法打开某些PDF。不幸的是，您对此无能为力。 PyPDF2可能无法使用某些特定的PDF文件。
2、旋转PDF页面
与上述代码有关的一些重要点：
- 对于旋转，我们首先创建原始pdf的pdf阅读器对象。
pdfWriter = PyPDF2.PdfFileWriter()
旋转的页面将被写入新的pdf。为了写入pdf，我们使用PyPDF2模块的PdfFileWriter类的对象。
for page in range(pdfReader.numPages):
pageObj = pdfReader.getPage(page)
pageObj.rotateClockwise(rotation)
pdfWriter.addPage(pageObj)
现在，我们迭代原始pdf的每一页。我们通过pdf阅读器类的getPage（）方法获取页面对象。现在，我们通过页面对象类的rotationClockwise（）方法旋转页面。然后，通过传递旋转的页面对象，使用pdf writer类的addPage（）方法将页面添加到pdf writer对象。
newFile = open(newFileName, 'wb')
pdfWriter.write(newFile)
pdfFileObj.close()
newFile.close()
现在，我们必须将pdf页面写入新的pdf文件。首先，我们打开新文件对象，并使用pdf writer对象的write（）方法向其中写入pdf页面。最后，我们关闭原始的pdf文件对象和新的文件对象。
3、分割PDF文件
输出将是三个新的PDF文件，分别为拆分1（第0,1页），拆分2（第2,3页），拆分3（第4页末尾）。
上面的Python程序中没有使用新的函数或类。 使用简单的逻辑和迭代，我们根据传递的列表拆分创建了传递的pdf拆分。