pypdf2 是一个用于处理 pdf 文件的 python 库，适合执行提取文本、合并文档、拆分页面等基础操作。要提取文本，可使用 pdfreader 并遍历每页调用 .extract_text()；对于合并多个 pdf，可用 pdfwriter 实例并添加各文件页面后写入新文件；拆分则通过指定页码范围取出页面并保存为新文件；此外，还可实现加水印和加密等进阶功能。虽然 pypdf2 功能有限，但轻量易用，适用于简单处理，复杂需求则需结合其他工具如 pdfplumber 或 pymupdf。
处理PDF文件在日常工作和开发中很常见，比如提取文本、合并文档、拆分页面等。python里有一个非常实用的库叫 PyPDF2，虽然功能不算最全，但基础操作都能满足，而且上手简单。
下面我们就来一步步看看怎么用 PyPDF2 来做几个常见的 PDF 操作。
提取PDF中的文本内容
如果你需要从 PDF 中提取文字，PyPDF2 是可以做到的，不过它对复杂排版的支持有限，适合结构简单的文档。
立即学习“Python免费学习笔记（深入）”；
使用方法很简单：
- 导入 PdfReader
- 打开目标 PDF 文件
- 遍历每一页，调用 .extract_text()
from PyPDF2 import PdfReader reader = PdfReader("example.pdf") text = "" for page in reader.pages: text += page.extract_text() print(text)
注意：有些 PDF 是扫描件或图像，这种情况下 .extract_text() 会返回空，这时候就需要 ocr 工具辅助了。
合并多个PDF文件
有时候我们需要把多个 PDF 文件合并成一个，比如整理报告或者简历材料。PyPDF2 的 PdfWriter 可以轻松实现这个功能。
步骤如下：
- 创建一个 PdfWriter 实例
- 分别读取每个 PDF 文件
- 把每一页添加进去
- 最后写入输出文件
from PyPDF2 import PdfWriter writer = PdfWriter() writer.append_pages_from_file("file1.pdf") writer.append_pages_from_file("file2.pdf") with open("merged.pdf", "wb") as f: writer.write(f)
如果你用的是较老版本的 PyPDF2，可能会用 addPage() 或者 PdfFileMerger，建议升级到最新版，语法更统一。
拆分PDF文件为多个部分
如果你只想保留某个 PDF 的一部分，比如前5页或某几页，可以用 PyPDF2 来做拆分。
思路是：
- 读取原始 PDF
- 创建一个新的 PdfWriter
- 按照页码范围取出页面添加进去
- 写出新文件
from PyPDF2 import PdfReader, PdfWriter reader = PdfReader("full.pdf") writer = PdfWriter() for page in reader.pages[0:5]: # 前五页 writer.add_page(page) with open("first_five_pages.pdf", "wb") as f: writer.write(f)
你可以根据需要修改页码范围，也可以写个循环批量拆分成多个小文件。
添加水印或加密PDF（进阶）
PyPDF2 还支持一些稍微高级的功能，比如给页面加水印或者加密输出文件。
加密示例：
writer.encrypt("your_password")
这行代码放在写入文件之前就可以给输出 PDF 加上密码。
添加水印：
需要先加载一个水印 PDF（通常是一张带透明度的背景图），然后将每一页与水印页面合并。
watermark_page = PdfReader("watermark.pdf").pages[0] for page in reader.pages: page.merge_page(watermark_page) writer.add_page(page)
这种方式适用于统一加水印的需求。
这些就是 PyPDF2 最常用的几种操作方式。它的优势在于轻量、易用，适合做一些基础处理。当然，如果遇到复杂的表格识别、图片提取、OCR 等需求，可能就需要结合其他工具，比如 pdfplumber、pdfminer 或 PyMuPDF 了。
基本上就这些，不难但容易忽略细节，比如路径问题、文件打开模式、页码索引是从0开始这些点，写代码时多留心一下就行。
