深度解析PDF处理技术：从格式转换到文档操作的实现原理与实践

from PyPDF2 import PdfReader, PdfWriter, PdfMerger

# 示例1: 合并多个PDF文件
def merge_pdfs(pdf_list, output_path):
    """
    合并多个PDF文件到一个单独的文件中。
    :param pdf_list: 包含源PDF文件路径的列表。
    :param output_path: 合并后输出的PDF文件路径。
    :return: True如果成功，False如果失败。
    """
    merger = PdfMerger()
    for pdf_file in pdf_list:
        try:
            merger.append(pdf_file)
        except Exception as e:
            print(f"错误：追加文件 {pdf_file} 失败: {e}")
            return False
    try:
        with open(output_path, "wb") as fout:
            merger.write(fout)
        merger.close()
        print(f"成功将PDF合并到: {output_path}")
        return True
    except Exception as e:
        print(f"错误：写入合并后的PDF {output_path} 失败: {e}")
        return False

# 示例用法:
# pdf_files_to_merge = ['document1.pdf', 'document2.pdf', 'document3.pdf']
# merge_pdfs(pdf_files_to_merge, 'merged_output.pdf')

# 示例2: 分割PDF（提取指定页面范围）
def split_pdf(input_pdf_path, output_pdf_path, start_page, end_page):
    """
    从输入PDF中提取指定页面范围并保存为新的PDF文件。
    页面编号从1开始。
    :param input_pdf_path: 输入PDF文件路径。
    :param output_pdf_path: 提取页面后输出的PDF文件路径。
    :param start_page: 开始页面编号 (包含)。
    :param end_page: 结束页面编号 (包含)。
    :return: True如果成功，False如果失败。
    """
    try:
        reader = PdfReader(input_pdf_path)
        writer = PdfWriter()
        
        num_pages = len(reader.pages)
        if not (1 <= start_page <= end_page <= num_pages):
            print(f"错误：无效的页面范围。总页数: {num_pages}, 请求范围: {start_page}-{end_page}")
            return False
            
        # PyPDF2页面索引从0开始
        for i in range(start_page - 1, end_page):
            writer.add_page(reader.pages[i])
            
        with open(output_pdf_path, "wb") as fout:
            writer.write(fout)
        print(f"成功提取页面 {start_page}-{end_page} 到: {output_pdf_path}")
        return True
    except Exception as e:
        print(f"错误：分割PDF {input_pdf_path} 失败: {e}")
        return False

# 示例用法:
# split_pdf('merged_output.pdf', 'extracted_pages_1_to_2.pdf', 1, 2)

# 示例3: 为PDF添加密码保护 (所有者和用户密码)
def encrypt_pdf(input_pdf_path, output_pdf_path, user_password, owner_password=None):
    """
    为PDF文件添加密码保护。
    :param input_pdf_path: 输入PDF文件路径。
    :param output_pdf_path: 加密后输出的PDF文件路径。
    :param user_password: 用户密码 (用于打开PDF)。
    :param owner_password: 所有者密码 (可选, 用于设置权限)。如果未提供，将使用user_password。
    :return: True如果成功，False如果失败。
    """
    if owner_password is None:
        owner_password = user_password # PyPDF2要求加密时必须有所有者密码
    try:
        reader = PdfReader(input_pdf_path)
        writer = PdfWriter()
        for page in reader.pages:
            writer.add_page(page)
        
        # 可以进一步设置权限，例如：
        # writer.encrypt(user_password=user_password, owner_password=owner_password, permissions_flag=0)
        # 更多权限标志参考PyPDF2文档
        writer.encrypt(user_password=user_password, owner_password=owner_password)
        
        with open(output_pdf_path, "wb") as fout:
            writer.write(fout)
        print(f"成功加密 {input_pdf_path} 到: {output_pdf_path}")
        return True
    except Exception as e:
        print(f"错误：加密PDF {input_pdf_path} 失败: {e}")
        return False

# 示例用法:
# encrypt_pdf('merged_output.pdf', 'encrypted_document.pdf', 'simpleUserPass', 'strongOwnerPass')

# 示例4: 提取文本 (从指定页面，默认为第一页)
def extract_text_from_pdf_page(pdf_path, page_number_to_extract=1):
    """
    从PDF的指定页面提取文本。页面编号从1开始。
    :param pdf_path: PDF文件路径。
    :param page_number_to_extract: 要提取文本的页面编号。
    :return: 提取到的文本字符串，如果失败或无文本则返回None。
    """
    try:
        reader = PdfReader(pdf_path)
        if not (1 <= page_number_to_extract <= len(reader.pages)):
            print(f"错误：页面编号 {page_number_to_extract} 超出范围 (总页数: {len(reader.pages)})。")
            return None

        page = reader.pages[page_number_to_extract - 1] # PyPDF2页面索引从0开始
        text = page.extract_text()
        
        if text and text.strip():
            print(f"从页面 {page_number_to_extract} 提取的文本 (前500字符): \n{text.strip()[:500]}...")
            return text.strip()
        else:
            print(f"页面 {page_number_to_extract} 未找到可提取的文本或文本为空。")
            return None
    except Exception as e:
        print(f"错误：从 {pdf_path} 的页面 {page_number_to_extract} 提取文本失败: {e}")
        return None

# 示例用法:
# extracted_text = extract_text_from_pdf_page('merged_output.pdf', 1)
# if extracted_text:
#     with open('extracted_text_page1.txt', 'w', encoding='utf-8') as f:
#         f.write(extracted_text)
#     print("提取的文本已保存到 extracted_text_page1.txt")