python办公自动化之pdf篇 day02（模块PdfFileReader介绍）

PdfFileReader类是用于读取文件的模块，可将PDF数据流逐步加载到内存中。其初始化操作如下：（后续本教程中简称为pdfreader，暂称为pdf文件阅读器）

在 Ipython8.0 环境中，于 c:/users/admin/desktop/pypdf/day02 目录下对 test.pdf 文件进行代码操作测试。

使用 PyPDF2 中的 PdfFileReader 读取 PDF 文件，并将文件test.pdf赋值给变量 rpdf，即 rpdf = pdfreader(test.pdf)，随后可查看 rpdf 的数据类型。此操作用于测试 PDF 文件的读取功能，确认对象是否成功创建并验证其类型信息，便于后续内容提取与处理。

一图胜千言，直观表达更高效。

先看思维脑图：

PDF阅读模块思维导图

获取PDF文档的元数据信息，查看文件包含的总页数，判断该PDF是否被加密。通过相关属性可分别读取文档信息、页码数量以及加密状态，便于对PDF文件进行分析与处理。

属性操作1

属性操作2

getDocumentInfo()用于获取文档的元数据，documentInfo属性即通过调用该方法实现；getNumPages()用于获取PDF文档的总页数，numPages属性正是调用此方法获得页数信息。

上述两种方法以属性代替操作，更为简便省时。

getPage(Num) 函数用于接收一个数字参数，返回对应页码的页面对象。getPageNumber() 方法可获取当前页面对象的页码编号。decrypt(password) 接受密码作为参数，用于对加密的PDF文档进行解密操作。例如，p1 = rpdf.getPage(0) 表示获取文档的第一页（页码从0开始），p2 = rpdf.getPage(5) 获取第六页内容。若调用 p3 = rpdf.getPage(8)，当文档总页数不足9页时，将因索引超出范围而引发错误。在处理文档前，可使用 isEncrypted 属性判断其是否加密。若文档已加密，可尝试使用 decrypt(123456) 方法传入常见密码如123456进行解密；若未加密，则输出提示信息pdf文档未加密。这些操作常用于PDF文档的读取与处理流程中，确保能够顺利访问所需页面内容。注意页码索引从0起始，调用时需确保页数在有效范围内，避免程序出错。

本节课简要介绍了PdfFileReader模块的常用属性与方法，内容实用，建议仔细阅读并动手实践，加深理解与掌握。