用Python编辑现有的PDF页面

Question

我有一个PDF文件，我从中删除了一些页面。 我想纠正（修复）新的pdf页码。 是否有任何方式/库来更新页码而不将pdf转换为另一种格式？ 我试图将pdf转换为text，XML和JSON，然后修复页码。 但是，如果我将其转换回pdf，它看起来很乱（不能保留原始pdf的样式）。 我遇到的问题是：

1. 删除旧页码。
2. 添加新的页码。

我在Ubuntu上使用python。 我试过ReportLab ， PyX和pyfpdf 。

Answer 1

我有一个类似的问题，老实说我不能完全解决它，而是，我获取相应的HTML并使用BeautifulSoup处理它。 但是，我确实得到了比python模块更接近的方法，我使用poppler的pdftotext.exe（底部的链接）来读取pdf文件，它工作得很好，除了它无法区分文本列的事实。 由于这不是python模块，我使用os.system来调用.exe文件上的命令字符串。

def call_poppler(input_pdf, input_path):

    """
    Call poppler to generate a txt file
    """
    command_row = input_path + " " + input_pdf
    os.system(command_row)
    txt_name = input_pdf[0:-4] + ".txt"
    processed_paper = open_txt(txt_name)
    return processed_paper

def open_txt(input_txt_name):

    """
    Open and generate a python object out of the
    txt attained with poppler
    """
    opened_file = open(input_txt_name,"rb").readlines()
    output_file = []
    for row in opened_file:
        row = row.decode("utf-8").strip()
        output_file.append(row)
    return output_file

这将返回一个已处理的“.txt”文件，您可以根据需要处理该文件，并使用某些模块重写为pdf，例如pypdf，对不起，如果不是您想要的答案，但pdf文件很难处理python因为它们不是基于文本的文件。 不要忘记给出可执行文件的路径。 你可以在这里获得poppler： https ： //poppler.freedesktop.org/