pyPdf PdfFileReader与PdfFileWriter

Question

我有以下代码：

import os
from pyPdf import PdfFileReader, PdfFileWriter

path = "C:/Real Python/Course materials/Chapter 12/Practice files"

input_file_name = os.path.join(path, "Pride and Prejudice.pdf")
input_file = PdfFileReader(file(input_file_name, "rb"))
output_PDF = PdfFileWriter()

for page_num in range(1, 4):
    output_PDF.addPage(input_file.getPage(page_num))

output_file_name = os.path.join(path, "Output/portion.pdf")
output_file = file(output_file_name, "wb")
output_PDF.write(output_file)
output_file.close()

直到现在我只是从PDF文档阅读，后来才从PDF写为TXT ...但是现在这...为什么PdfFileReader相差这么多从PdfFileWriter

有人可以解释吗？ 我希望这样的事情：

import os
from pyPdf import PdfFileReader, PdfFileWriter

path = "C:/Real Python/Course materials/Chapter 12/Practice files"

input_file_name = os.path.join(path, "Pride and Prejudice.pdf")
input_file = PdfFileReader(file(input_file_name, "rb"))

output_file_name = os.path.join(path, "out Pride and Prejudice.pdf")
output_file = PdfFileWriter(file(output_file_name, "wb"))

for page_num in range(1,4):
    page = input_file.petPage(page_num)
    output_file.addPage(page_num)
    output_file.write(page)

有帮助吗？？？ 谢谢

编辑0： .addPage（）是做什么的？

for page_num in range(1, 4):
        output_PDF.addPage(input_file.getPage(page_num))

它仅创建3个空白页面吗？

编辑1：在以下情况下，有人可以解释发生了什么：

1） output_PDF = PdfFileWriter()

2） output_PDF.addPage(input_file.getPage(page_num))

3） output_PDF.write(output_file)

第三个将JUST CREATED（！）对象传递给output_PDF ，为什么？

Answer 1

问题基本上是PDF交叉引用表。

这是一个杂乱的意大利面条怪兽，涉及页面，字体，对象，元素，所有这些都需要链接在一起以允许随机访问。

每次文件更新时，都需要重建该表。 该文件首先在内存中创建，因此只需执行一次，从而进一步减少了破坏文件的可能性。

output_PDF = PdfFileWriter()

这将在内存中创建供PDF使用的空间。 （从旧的pdf中提取）

output_PDF.addPage(input_file.getPage(page_num))

将输入的pdf页面添加到内存中创建的PDF文件（所需页面）。

output_PDF.write(output_file)

最后，这会将存储在内存中的对象写入文件，构建标头，交叉引用表，并将所有内容链接在一起。

编辑：大概是，JUST CREATED标志表明PyPDF开始建立适当的表并将事物链接在一起。

-

回应为什么vs .txt和csv：

从文本或CSV文件复制时，没有现有的数据结构可以理解和移动，以确保正确保存和创建格式，图像放置和表单数据（输入节等）之类的东西。

Answer 2

之所以很有可能这样做是因为PDF并不是完全线性的-“标题”实际上位于文件的末尾。

如果每次进行更改时都将文件写入磁盘，则您的计算机需要继续将数据推送到磁盘上。 取而代之的是，模块（可能）将有关文档的信息存储在对象（PdfFileWriter）中，然后在您请求时将其转换为实际的PDF文件。