02-PDF文档

15.1　PDF文档

PDF表示Portable Document Format，使用.pdf文件扩展名。虽然PDF支持许多功能，但本章将专注于最常做的两件事：从PDF读取文本内容和从已有的文档生成新的PDF。

用于处理PDF的模块是 PyPDF2 版本1.26.0。安装这个版本很重要，因为 PyPDF2 的未来版本可能与本书的代码不兼容。要安装它，就要在命令行运行 pip install--user PyPDF2==1.26.0 。这个模块名称是区分大小写的，要确保y是小写，其他字母都是大写（请查看附录A，了解安装第三方模块的所有细节）。如果该模块安装正确，那么在交互式环境中运行 import PyPDF2 ，应该不会显示任何错误。

有问题的PDF格式

虽然PDF文档对文本布局非常好，让人们很容易打印并阅读，但软件要将它们解析为纯文本却并不容易。因此， PyPDF2 从PDF提取文本时可能会出错，甚至根本不能打开某些PDF。遗憾的是，你对此没有什么办法， PyPDF2 可能就是不能处理某些PDF文档。话虽如此，但是我至今没有发现不能用 PyPDF2 打开的PDF文档。