PyPDF2：项目实战源码分享（PDF裁剪）

目录📑 1. 背景📑2. 源码模块解析📑2.1 读取PDF页数2.2 获取指定页的宽高尺寸2.3 裁剪单页PDF2.4 批量裁剪PDF 总结📑

1. 背景📑

接PyPDF2模块推荐博文中提到的实际需求（将银行网站下载来的多页且单页多张回单的PDF裁剪成每张单据独立一个PDF文件），我决定将项目所做操作的模块化源码分享给大家

原PDF

裁剪后PDF

2. 源码模块解析📑 2.1 读取PDF页数

因为数据范围是动态的，所以每次处理的PDF页数也是不同的，操作一个回单PDF首先需要知道他有多少页

def get_page_num(pdf_path) -> int: """ 获取PDF文件页数 params: pdf_path: 需要读取页数的PDF文件路径 return: _pages_count: PDF文件的页数 """ with open(pdf_path, 'rb') as _pdf_file: # 读取PDF文件 _pdf_file = PyPDF2.PdfReader(_pdf_file) # 获取总页数 _pages_count = len(_pdf_file.pages) return _pages_count 2.2 获取指定页的宽高尺寸

裁剪前肯定需要知道原尺寸，然后根据原尺寸初步三等分，再做微调，最终实现银行回单的等分

def get_page_wh(pdf_path, page_num) -> list: """ 获取PDF文件指定页的宽高数据 params: pdf_path: 需要读取宽高的PDF文件路径 page_num: 需要读取宽高的是哪一页,页码 return: _width: PDF文件指定页的宽度 _height: PDF文件指定页的高度 """ with open(pdf_path, 'rb') as _pdf_file: # 读取PDF文件 _pdf_file = PyPDF2.PdfReader(_pdf_file) # 获取PDF指定页信息 _pdf_info = _pdf_file.pages[int(page_num) - 1] # 获取PDF指定页宽 _width = float(_pdf_info.mediabox.width) # 获取PDF指定页高 _height = float(_pdf_info.mediabox.height) return [_width, _height] 2.3 裁剪单页PDF

下面就是需求的核心功能——裁剪了（需要注意的是，我这里是根据需求将裁剪后的每一张回单放在同一个输出PDF文件中，如果需要每一张回单都为一个独立PDF文件，可以自行调整代码）

def split_pdf(input_path, output_path, page_num, upper_left, upper_right, lower_left, lower_right): """ 裁剪指定单页PDF的区域,并另存为一个独立的文件到output_path 注意: 当PDF单页的 宽width < 高height 的时候,即文件是竖向的时候,左下角为坐标原点 当PDF单页的 宽width > 高height 的时候,即文件是横向的时候,右下角为坐标原点 params: input_path: 需要裁剪的PDF文件路径 output_path: 输出路径 page_num: 需要裁剪的是哪一页,页码 upper_left: 裁剪区域的左上角坐标 upper_right: 裁剪区域的右上角坐标 lower_left: 裁剪区域的左下角坐标 lower_right: 裁剪区域的右下角坐标 """ with open(input_path, 'rb') as _input_file: # 读取PDF文件 _input_file = PyPDF2.PdfReader(_input_file) # 创建输出PDF对象 _that_page = PyPDF2.PdfWriter() # 获取PDF文件指定页对象 _this_page = _input_file.pages[int(page_num) - 1] # 划定裁剪区域 _this_page.mediabox.upper_left = tuple(upper_left) _this_page.mediabox.upper_right = tuple(upper_right) _this_page.mediabox.lower_left = tuple(lower_left) _this_page.mediabox.lower_right = tuple(lower_right) # 为输出PDF对象添加裁剪页 _that_page.add_page(_this_page) with open(output_path, 'wb') as _output_file: # 将输出PDF对象写入输出路径文件 _that_page.write(_output_file) 2.4 批量裁剪PDF

因为原需求是一个回单PDF中由格式相同的多页回单组成的，所以我直接写了一个批量裁剪整个多页PDF文件的函数（同样需要注意的是，我这里根据需求写的是将裁剪后的每一张回单放在同一个输出PDF文件中，如果需要每一张回单都为一个独立PDF文件，可以自行调整代码）

def batch_split_pdf(input_path, output_path, crop_area_list): """ 循环PDF文件每一页，裁剪出每一页所有裁剪区域列表中指示的区域，并且裁剪后输出到同一个PDF文件内 注意: 当PDF单页的 宽width < 高height 的时候,即文件是竖向的时候,左下角为坐标原点 当PDF单页的 宽width > 高height 的时候,即文件是横向的时候,右下角为坐标原点 params: input_path: 需要裁剪的PDF文件路径 output_path: 输出路径 crop_area_list: 需要裁剪的区域列表（三维列表） """ with open(input_path, 'rb') as _input_file: # 读取PDF文件 _input_file = PyPDF2.PdfReader(_input_file) # 获取总页数 _pages_count = len(_input_file.pages) # 创建输出PDF对象 _that_page = PyPDF2.PdfWriter() # 循环每一页 for _page_num in range(_pages_count): # 循环要裁剪的区域列表 for _crop_area in crop_area_list: # 获取PDF文件指定页对象 _this_page = _input_file.pages[_page_num] # 划定裁剪区域 _this_page.mediabox.upper_left = tuple(_crop_area[0]) _this_page.mediabox.upper_right = tuple(_crop_area[1]) _this_page.mediabox.lower_left = tuple(_crop_area[2]) _this_page.mediabox.lower_right = tuple(_crop_area[3]) # 为输出PDF对象添加裁剪页 _that_page.add_page(_this_page) with open(output_path, 'wb') as _output_file: # 将输出PDF对象写入输出路径文件 _that_page.write(_output_file) 总结📑

以上就是关于银行回单PDF裁剪需求涉及到的源代码了，抛砖引玉，大家可以根据自己更强的实力对代码做自己的个性化调整，冲💪！