Введение

PDF — один из самых популярных форматов для электронных документов. Однако манипуляции с ним, такие как объединение, разделение, шифрование или извлечение текста, требуют надёжных инструментов. В Python одной из самых популярных и устойчивых библиотек для работы с PDF является PyPDF2.

PyPDF2 позволяет разработчику читать, редактировать и создавать PDF-файлы, а также получать метаданные, управлять страницами, добавлять защиту и даже встраивать водяные знаки. Это мощный инструмент как для автоматизации документооборота, так и для интеграции с другими сервисами.

Основная часть

Установка

pip install PyPDF2

Чтение PDF

from PyPDF2 import PdfReader
reader = PdfReader("example.pdf")
print(len(reader.pages))
print(reader.pages[0].extract_text())

Извлечение текста со всех страниц

for page in reader.pages:
    print(page.extract_text())

Объединение файлов

from PyPDF2 import PdfMerger
merger = PdfMerger()
merger.append("file1.pdf")
merger.append("file2.pdf")
merger.write("merged.pdf")
merger.close()

Разделение страниц

from PyPDF2 import PdfWriter, PdfReader
reader = PdfReader("example.pdf")
writer = PdfWriter()

writer.add_page(reader.pages[0])
with open("page1.pdf", "wb") as f:
    writer.write(f)

Добавление водяного знака

reader = PdfReader("document.pdf")
watermark = PdfReader("watermark.pdf")
writer = PdfWriter()

for page in reader.pages:
    page.merge_page(watermark.pages[0])
    writer.add_page(page)

with open("watermarked.pdf", "wb") as f:
    writer.write(f)

Шифрование PDF

writer = PdfWriter()
reader = PdfReader("example.pdf")
for page in reader.pages:
    writer.add_page(page)

writer.encrypt("userpass", owner_pwd="adminpass", use_128bit=True)
with open("protected.pdf", "wb") as f:
    writer.write(f)

Извлечение метаданных

reader = PdfReader("example.pdf")
info = reader.metadata
print(info.author)
print(info.title)

Удаление страниц

reader = PdfReader("example.pdf")
writer = PdfWriter()

for i in range(len(reader.pages)):
    if i != 2:  # Удаляем третью страницу
        writer.add_page(reader.pages[i])

with open("no_third_page.pdf", "wb") as f:
    writer.write(f)

Работа с закладками и оглавлением

reader = PdfReader("example.pdf")
bookmarks = reader.outline
print(bookmarks)

Сравнение с другими библиотеками

Библиотека	Чтение	Запись	Шифрование	Водяные знаки	Извлечение текста
PyPDF2	Да	Да	Да	Да	Частично
PyMuPDF	Да	Да	Нет	Да	Да
PDFPlumber	Да	Нет	Нет	Нет	Да (глубоко)

Лучшие практики

Используйте PdfMerger для объединения
Проверяйте корректность шифрования
Удаляйте временные файлы после обработки
Используйте extract_text() с fallback-функциями при плохом OCR

Примеры использования

Автоматизация документооборота
Обработка счетов и контрактов
Генерация отчетов с водяными знаками
Архивация PDF-документов с шифрованием

Полный список функций и методов библиотеки `PyPDF2` для Python, сгруппированных по категориям

Работа с PDF-файлами

Функция	Описание
`PdfReader(file)`	Загружает PDF-файл для чтения. Можно передать путь или файл-объект.
`PdfWriter()`	Создаёт новый объект для записи PDF.
`reader.pages`	Список всех страниц PDF-файла.
`reader.metadata`	Возвращает метаданные (автор, тема, заголовок и т.д.).
`reader.get_page(n)`	Получает страницу по индексу (устаревший метод, предпочтительнее `reader.pages[n]`).
`writer.write(stream)`	Сохраняет PDF в поток (файл, BytesIO и т.д.).

Извлечение текста и информации

Функция	Описание
`page.extract_text()`	Извлекает текст с указанной страницы.
`page.mediabox`	Размеры страницы (границы, ширина, высота).
`page.rotation`	Угол поворота страницы (0, 90, 180, 270).
`reader.is_encrypted`	Проверяет, зашифрован ли файл.
`reader.decrypt(password)`	Пытается расшифровать файл. Возвращает `0`, `1` или `2` в зависимости от успеха.

Манипуляции со страницами

Функция	Описание
`writer.add_page(page)`	Добавляет одну страницу в итоговый документ.
`writer.add_blank_page(width, height)`	Создаёт пустую страницу заданного размера.
`writer.insert_page(page, index)`	Вставляет страницу в указанное место.
`writer.remove_links()`	Удаляет гиперссылки со всех страниц (требуется ручная реализация).
`writer.merge_page(page)`	Накладывает одну страницу на другую (используется для водяных знаков).

Объединение и разделение PDF

Функция	Описание
`PdfMerger()`	Класс для объединения нескольких PDF-файлов.
`merger.append(file)`	Добавляет PDF-файл в конец.
`merger.merge(position, file)`	Вставляет файл в заданную позицию.
`merger.write(filename)`	Сохраняет объединённый PDF в файл.
`merger.close()`	Закрывает объект и освобождает ресурсы.
`merger.pages`	Возвращает список всех страниц объединённого файла.

Метаданные и защита

Функция	Описание
`writer.add_metadata({...})`	Добавляет или изменяет метаданные документа.
`writer.encrypt(user_pwd, owner_pwd=None, ...)`	Шифрует файл, задавая пароли пользователя и владельца.
`writer.set_page_layout(layout)`	Устанавливает отображение страниц (например, `SinglePage`, `TwoColumnLeft`).
`writer.set_page_mode(mode)`	Устанавливает режим открытия PDF (outline, fullscreen и др.).

Пример простого копирования PDF

Заключение

PyPDF2 — мощный инструмент для работы с PDF в Python. Несмотря на ограниченную поддержку некоторых функций (например, слабое извлечение текста из отсканированных PDF), библиотека успешно справляется с большинством задач по обработке, защите и генерации PDF-документов. Она отлично подходит для автоматизации рутинных процессов и интеграции с другими Python-решениями.