Agregar texto a PDF existente usando Python

Question

Necesito agregar texto adicional a un PDF existente usando Python, cuál es la mejor manera de hacerlo y qué módulos adicionales necesitaré instalar.

Nota: Idealmente, me gustaría poder ejecutar esto tanto en Windows como en Linux, pero con un solo empujón Linux solo lo hará.

Gracias de antemano.
Richard.

Editar: pyPDF y ReportLab se ven bien pero ninguno me permite editar un PDF existente, ¿hay alguna otra opción?

Answer 1

Sé que esto es un mensaje de más edad, pero pasé mucho tiempo tratando de encontrar una solución. Me encontré con una decente utilizando sólo ReportLab y PyPDF así que pensé que me gustaría compartir:

1. leído su PDF usando PdfFileReader(), que llamaremos esta entrada
2. crear un nuevo PDF que contiene su texto para añadir usando ReportLab, guardar esto como un objeto de cadena
3. leer el objeto de cadena usando PdfFileReader(), que llamaremos este texto
4. crear un nuevo objeto PDF utilizando PdfFileWriter(), que llamaremos este salida
5. iterar a través de la entrada y aplicar .mergePage (texto .getPage (0)) para cada página que desea que el texto añadido a, a continuación, utilizar la salida .addPage() para agregar las páginas modificadas a un nuevo documento

Esto funciona bien para las adiciones de texto simples. Vea la muestra de PyPDF para filmar un documento con marca de agua.

Aquí hay un código para responder a la siguiente pregunta:

packet = StringIO.StringIO() 
can = canvas.Canvas(packet, pagesize=letter) 
<do something with canvas> 
can.save() 
packet.seek(0) 
input = PdfFileReader(packet) 

Desde aquí se puede fusionar las páginas del archivo de entrada con otro documento

Answer 2

Puede tener más suerte rompiendo el problema en la conversión de PDF en un formato editable, escribiendo sus cambios, y luego convirtiéndolo de nuevo en PDF. No conozco una biblioteca que le permita editar PDF directamente, pero hay muchos convertidores entre DOC y PDF, por ejemplo.

Answer 3

¿Has probado pyPdf?

Lo sentimos, no tiene la capacidad de modificar el contenido de una página.

Answer 4

Si estás en Windows, esto podría funcionar:

PDF Creator Pilot

También hay un libro blanco de un marco de creación de PDF y la edición en Python. Es un poco anticuado, pero tal vez le puede dar algo de información útil:

Using Python as PDF Editing and Processing Framework

Answer 5

Aquí es una respuesta completa que he encontrado en otro lugar [Python 2.7]:

---

from pyPdf import PdfFileWriter, PdfFileReader 
import StringIO 
from reportlab.pdfgen import canvas 
from reportlab.lib.pagesizes import letter 

packet = StringIO.StringIO() 
# create a new PDF with Reportlab 
can = canvas.Canvas(packet, pagesize=letter) 
can.drawString(10, 100, "Hello world") 
can.save() 

#move to the beginning of the StringIO buffer 
packet.seek(0) 
new_pdf = PdfFileReader(packet) 
# read your existing PDF 
existing_pdf = PdfFileReader(file("original.pdf", "rb")) 
output = PdfFileWriter() 
# add the "watermark" (which is the new pdf) on the existing page 
page = existing_pdf.getPage(0) 
page.mergePage(new_pdf.getPage(0)) 
output.addPage(page) 
# finally, write "output" to a real file 
outputStream = file("destination.pdf", "wb") 
output.write(outputStream) 
outputStream.close() 

Y aquí es una actualización para Python 3.x:

---

from PyPDF2 import PdfFileWriter, PdfFileReader 
import io 
from reportlab.pdfgen import canvas 
from reportlab.lib.pagesizes import letter 

packet = io.BytesIO() 
# create a new PDF with Reportlab 
can = canvas.Canvas(packet, pagesize=letter) 
can.drawString(10, 100, "Hello world") 
can.save() 

#move to the beginning of the StringIO buffer 
packet.seek(0) 
new_pdf = PdfFileReader(packet) 
# read your existing PDF 
existing_pdf = PdfFileReader(open("original.pdf", "rb")) 
output = PdfFileWriter() 
# add the "watermark" (which is the new pdf) on the existing page 
page = existing_pdf.getPage(0) 
page.mergePage(new_pdf.getPage(0)) 
output.addPage(page) 
# finally, write "output" to a real file 
outputStream = open("destination.pdf", "wb") 
output.write(outputStream) 
outputStream.close() 

Answer 6

cpdf va a hacer el trabajo desde la línea de comandos. No es pitón, aunque (que yo sepa):

cpdf -add-text "Line of text" input.pdf -o output .pdf 

Answer 7

pdfrw le permitirá leer en las páginas de un PDF existente y atraerlos a un lienzo reportlab (similar a dibujar una imagen). Hay ejemplos para esto en el subdirectorio pdfrw examples/rl1 en github. Descargo de responsabilidad: soy el autor pdfrw.

Answer 8

Aprovechando David Dehghan 's answer anterior, las siguientes obras en Python 2.7.13:

from PyPDF2 import PdfFileWriter, PdfFileReader, PdfFileMerger 

import StringIO 

from reportlab.pdfgen import canvas 
from reportlab.lib.pagesizes import letter 

packet = StringIO.StringIO() 
# create a new PDF with Reportlab 
can = canvas.Canvas(packet, pagesize=letter) 
can.drawString(290, 720, "Hello world") 
can.save() 

#move to the beginning of the StringIO buffer 
packet.seek(0) 
new_pdf = PdfFileReader(packet) 
# read your existing PDF 
existing_pdf = PdfFileReader("original.pdf") 
output = PdfFileWriter() 
# add the "watermark" (which is the new pdf) on the existing page 
page = existing_pdf.getPage(0) 
page.mergePage(new_pdf.getPage(0)) 
output.addPage(page) 
# finally, write "output" to a real file 
outputStream = open("destination.pdf", "wb") 
output.write(outputStream) 
outputStream.close()