使用 pypdf 提取 PDF 页面始终创建没有任何页面的 PDF

Question

我正在尝试以编程方式将包含多篇文章的 PDF 拆分为每篇文章的 PDF。 根据 Adobe Reader 的说法，读取和页面提取似乎有效，文件已创建，但似乎只包含 PDF 标题信息的 311 字节，没有任何 PDF 页面。

我创建了一个新的约132KB的一页PDF和一个简单的测试程序。 文本长度看起来正确，但输出的 PDF 也只有 311 字节。

from pypdf import PdfReader, PdfWriter
input_pdf = PdfReader('testpdf.pdf')
page = input_pdf.pages[0]
print(len(page.extract_text()))
output = PdfWriter()
output.add_page = page
with open('testpdf_1.pdf', 'wb') as output_stream:
      output.write(output_stream)

如果我在 python 交互式会话中运行代码，我会看到：

False, <_io.BufferedWriter name='testpdf_1.pdf'>) 

我不确定这是一个错误，或者至少我无法找到该消息的含义。

我正在 venv 中跑步

pypdf 5.0.1

和

python 3.8.0

。

Answer 1

根据您的要求，我认为“页面”不应该像您那样添加到 PdfWriter 对象中。 你应该直接用output.add_page(page)调用add_page方法。我认为你分配的方式 output.add_page 实际上并不添加页面，而是用页面对象覆盖该方法。这就是导致此问题的原因。 请尝试下面的代码并让我知道它是否有效..否则我们将尝试其他方法。

 from pypdf import PdfReader, PdfWriter 
input_pdf = PdfReader('testpdf.pdf')
page = input_pdf.pages[0]
print(len(page.extract_text()))  
output = PdfWriter()
output.add_page(page)  
with open('testpdf_1.pdf', 'wb') as output_stream:
    output.write(output_stream)