1. python常用pdf库

名称	特点
PyPDF2	已不再维护，继任者PyPDF4 ,但很长时间没有更新了,能读不能写
pdfrw	能读不能写，但可以兼容ReportLab写
ReportLab	商业版的开源版本，能写不能读
pikepdf	能读不能写
pdfplumber	能读不能写
PyMuPDF	读写均可,基于GPL协议
borb	纯Python库，支持读、写,基于GPL协议

其中前几种偏重于读或者写，PyMuPDF和borb读写兼具，但这两个库都基于GPL开源协议，对于商业开发不太友好。

介绍之前，我们通过读取一个已有的PDF中的文字来测试下时提取内容的准确度，pdfrw暂时跳过，因为没有找到其提取文本的api。ReportLab不能读，跳过。

2.读取测试

准备的测试的PDF，截图展示的是第5页内容：

2.1 PyPDF2 示例及结果

#!/usr/bin/python
from PyPDF2 import PdfReader
pdf = PdfReader("yz.pdf")
page = pdf.pages[4]
print(page.extract_text())

内容被正确读取，但是格式变为每行一个字。

2.2 PyPDF4 示例及结果

from PyPDF4 import PdfFileReaderpdf = open('yz.pdf','rb')
reader = PdfFileReader(pdf)
page = reader.getPage(4)
print(page.extractText().strip())

PyPDF4 输出的是内容流,暂无法解析为文本.

2.3 pikepdf

pikepdf 的官方文档上有这么一段话：

If you guessed that the content streams were the place to look for text inside a PDF – you’d be correct.
Unfortunately, extracting the text is fairly difficult because content stream actually specifies as a font
and glyph numbers to use. Sometimes, there is a 1:1 transparent mapping between Unicode numbers and
glyph numbers, and dump of the content stream will show the text. In general, you cannot rely on there
being a transparent mapping; in fact, it is perfectly legal for a font to specify no Unicode mapping
at all, or to use an unconventional mapping (when a PDF contains a subsetted font for example).We strongly recommend against trying to scrape text from the content stream.pikepdf does not currently implement text extraction. We recommend pdfminer.six, a read-only
text extraction tool. If you wish to write PDFs containing text, consider reportlab.如果您猜测内容流是在PDF中查找文本的地方，那么您是正确的。不幸的是，提取文本相当困难，因为内容流实际上指定了要使用的字体和字形
数字。有时，Unicode数字和字形数字之间有1:1的透明映射，内容流的转储将显示文本。一般来说，你不能依赖于一个透明的映射;事实上，
字体完全可以不指定Unicode映射，或者使用非常规的映射(例如，当PDF包含一个子集字体时)。我们强烈建议不要尝试从内容流中抓取文本。Pikepdf目前不实现文本提取。我们推荐pdfminer。一个只读文本提取工具。如果您希望编写包含文本的pdf，请考虑reportlab。

2.4 pdfplumber 示例和结果

import pdfplumberwith pdfplumber.open("yz.pdf") as pdf:page = pdf.pages[4]chars = page.charscontent = ''for char in chars:content += char['text']print(content)

pdfplumber是按字符读取，上面的示例代码中是对字符进行了拼接。结果如下：

2.5 PyMuPDF 示例及结果

import fitz
doc = fitz.open("yz.pdf")
page = doc.load_page(4)
text = page.get_text("text")
print(text)

这是目前提取文本结果最完美的一个:

$ python e6.py
1897年，在这里，什么都没有发生。
——科罗拉多州伍迪克里克小旅馆墙壁上的牌匾

2.6 borb示例及结果

以下示例代码为官方示例代码:

import typing
from borb.pdf import Document
from borb.pdf import PDF
from borb.toolkit import SimpleTextExtractiondef main():# read the Documentdoc: typing.Optional[Document] = Nonel: SimpleTextExtraction = SimpleTextExtraction()with open("yz.pdf", "rb") as in_file_handle:doc = PDF.loads(in_file_handle, [l])# check whether we have read a Documentassert doc is not None# print the text on the first Pageprint(l.get_text()[4])
if __name__ == "__main__":main()

  # 处理字体时报错File "/home/eva/.local/lib/python3.11/site-packages/borb/pdf/canvas/font/composite_font/font_type_0.py",line 86, in character_identifier_to_unicodeassert encoding_name in ["Identity", "Identity-H"]^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
AssertionError

鉴于以上测试结果,接下来的演示中将使用pdfplumber + Reportlab 来进行.

3. 读取PDF

3.1 读取PDF元数据信息

示例代码很简单，不再解释，直接看代码：

import pdfplumberwith pdfplumber.open("yz.pdf") as pdf:print(pdf.metadata)

#返回结果是一个字典，看key就知道是什么属性了。不再解释。
{'ModDate': "D:20220602170530+08'00'", 'Producer': 'calibre 3.23.0 [https://calibre-ebook.com]', 'Title': '无中生有的宇宙',
'Author': '［加］劳伦斯·克劳斯;王岚译', 'Creator': 'calibre 3.23.0 [https://calibre-ebook.com]',
'CreationDate': "D:20220505133234+00'00'"}

3.2 获取PDF页信息

示例代码如下：

import pdfplumberwith pdfplumber.open("yz.pdf") as pdf:#返回所有页实例#这里就不再输出所有的页实例，因为这篇文档有155页，输出结果比较长。pages = pdf.pages#这里还以第五页为例page = pages[4]print("页码："+str(page.page_number))print("页宽："+str(page.width))print("页高："+str(page.height))#print("页面包含对象：")#print(page.objects)#print("页面包含字符：")#print(page.chars)print("页面包含线条：")print(page.lines)print("页面包含矩形：")print(page.rects)print("页面包含曲线：")print(page.curves)page1 = pages[34]print("页面包含图像：")print(page1.images)page.flush_cache()page1.flush_cache()

示例运行结果

页码：5
页宽：612
页高：792
页面包含对象：
{'char': [{'matrix': (0.75, 0.0, 0.0, 0.75, 102.0, 691.5), 'fontname': 'AAAAAB+LiberationSerif', 'adv': 10.0,
'upright': True, 'x0': 102.0, 'y0': 688.26, 'x1':.... #省略部分
页面包含字符：
[{'matrix': (0.75, 0.0, 0.0, 0.75, 102.0, 691.5), 'fontname': 'AAAAAB+LiberationSerif', 'adv': 10.0, 'upright': True, '
x0': 102.0, 'y0': 688.26, 'x1': 109..... #省略
页面包含线条：
[]
页面包含矩形：
[]
页面包含曲线：
[]
页面包含图像：
[{'x0': 72.0, 'y0': 81.75, 'x1': 540.0, 'y1': 720.0, 'width': 468.0, 'height': 638.25, 'name': 'Image0',
'stream': <PDFStream(96): raw=289354, {'ColorSpace': /'DeviceRGB', 'Width': 2044, 'BitsPerComponent': 8, 'Length': 289354,
'Height': 2789, 'DL': 289354, 'Filter': [/'DCTDecode'], 'Type': /'XObject', 'Subtype': /'Image'}>, 'srcsize': (2044, 2789),'imagemask': None, 'bits': 8, 'colorspace': [/'DeviceRGB'], 'object_type': 'image', 'page_number': 35, 'top': 72.0, 'bottom': 710.25, 'doctop': 27000.0}]

其中char对象的属性如下：

属性	说明
page_number	找到此字符的页码。
text	文本内容 例: “z”, 或 “Z” 或 " ".
fontname	字体
size	字号
adv	等于文本宽度字体大小比例因子。
upright	是否垂直
height	文本高度
width	文本高度
x0	其左侧与页面左侧的距离。
x1	其右侧与页面左侧的距离。
y0	其下侧与页面底部的距离。
y1	其上侧与页面底部的距离。
top	其上侧与页面顶部的距离。
bottom	其下侧与页面顶部的距离。
doctop	其顶部与文档顶部的距离。
matrix	其“变换矩阵”。（详见下文）
stroking_color	笔划的颜色，表示为元组或整数，具体取决于使用的“颜色空间”。
non_stroking_color	字体填充颜色
object_type	对象类型:“char”

line对象属性

属性	说明
page_number	其所在的页码
height	高度
width	宽度
x0	其左侧与页面左侧的距离。
x1	其右侧与页面左侧的距离。
y0	其下侧与页面底部的距离。
y1	其上侧与页面底部的距离。
top	其上侧与页面顶部的距离。
bottom	其下侧与页面顶部的距离。
doctop	其顶部与文档顶部的距离。
linewidth	线粗
stroking_color	线条颜色,表示为元组或整数，具体取决于使用的“颜色空间”
non_stroking_color	线条填充颜色。
object_type	对象类型:“line”

rect属性

属性	说明
page_number	其所在的页码
height	高度
width	宽度
x0	其左侧与页面左侧的距离。
x1	其右侧与页面左侧的距离。
y0	其下侧与页面底部的距离。
y1	其上侧与页面底部的距离。
top	其上侧与页面顶部的距离。
bottom	其下侧与页面顶部的距离。
doctop	其顶部与文档顶部的距离。
linewidth	线粗
stroking_color	线条颜色,表示为元组或整数，具体取决于使用的“颜色空间”
non_stroking_color	线条填充颜色。
object_type	对象类型:“rect”

curve属性

属性	说明
page_number	其所在的页码
points	Points — 描述曲线的点列表包含 (x, top) 元组
height	曲线边界框的高度。
width	曲线边界框的宽度。
x0	曲线最左侧点与页面左侧的距离。
x1	曲线最右侧点与页面左侧的距离。
y0	曲线最低点到页面底部的距离。
y1	曲线最高点到页面底部的距离。
top	曲线最高点到页面顶部的距离。
bottom	曲线最低点到页面底部的距离。
doctop	曲线最高点到文档顶部的距离。
linewidth	线粗
fill	是否填充曲线路径定义的形状.
stroking_color	曲线轮廓的颜色，表示为元组或整数，具体取决于使用的“颜色空间”。
non_stroking_color	曲线填充颜色
object_type	对象类型:“curve”

3.3 提取文本

提取文本上面示例演示过了，主要操作就是获取pages,让后循环获取page上的char对象，char对象的text属性里既是文本内容，在循环里拼接text即可。

3.4 提取图像

这里将本文档35页的图片保存为文件：

import pdfplumberwith pdfplumber.open("yz.pdf") as pdf:pages = pdf.pagespage = pages[34]img = page.to_image()#清除图像#img.reset()#拷贝图像#img.copy()#调用本机默认图片查看工具预览图像#img.show()#保存图像img.save("/home/eva/下载/test.png",format="PNG")page.flush_cache()

保存的图像：

如果pdf文档是从被的地方抓取，或者批量处理，不知道页面内容的情况下，则可以先判断页面是否包含图像，下面一个示例展示提取PDF文档内的所有图像：

import pdfplumberwith pdfplumber.open("yz.pdf") as pdf:#所有页面pages = pdf.pagesfor index,page in enumerate(pages):#判断页面是否包含图像if len(page.images) > 0:img = page.to_image()img.save("/home/eva/下载/test"+str(index)+".png",format="PNG")page.flush_cache()

提取结果，部分截图：

这种方式的不足之处在于，只要页面包含图像，哪怕页面同时包含文字和图像，page.to_image()就会将整个页面转换成图像。而不是只保存图像部分。pdfplumber并没有提供可以精确保存图片的方法，如果对图像边界有精确的要求的话，可以对保存下来的图片进行裁剪，比如,pdfplumber返回的图片对象是有定位的，如下所示：x0是图片距离左边的距离。top是图片距离页面顶部，x0,top即组成图片左上角的座标，x1和bottom组成图片左下角的座标。至于y0,y1计算的是距离页面底部的数据，这里用不到。

[{'x0': 212.25, 'y0': 471.0, 'x1': 399.75, 'y1': 720.0, 'width': 187.5, 'height': 249.0,
'name': 'Image0', 'stream': <PDFStream(207): raw=204521, {'ColorSpace': /'DeviceRGB',
'Width': 963, 'BitsPerComponent': 8, 'Length': 204521, 'Height': 1282, 'DL': 204521,
'Filter': [/'DCTDecode'], 'Type': /'XObject', 'Subtype': /'Image'}>, 'srcsize': (963, 1282),
'imagemask': None, 'bits': 8, 'colorspace': [/'DeviceRGB'], 'object_type': 'image',
'page_number': 78, 'top': 72.0, 'bottom': 321.0, 'doctop': 61056.0}]

以下示例代码是截取图片：

import pdfplumber
from PIL import Imageimport timewith pdfplumber.open("yz.pdf") as pdf:#所有页面pages = pdf.pagespage = pages[77]img = page.to_image()img.save("/home/eva/下载/test.png",format="PNG")#取图像的左上和右下座标image = page.images[0]x0 = image['x0']top = image['top']x1 = image['x1']bottom = image['bottom']page.flush_cache()#图片裁剪,此处用到的图片库是pillow#pip install pillow 或 pip3 install pillow安装即可png = Image.open('/home/eva/下载/test.png')region = png.crop((x0,top,x1,bottom))region.save('/home/eva/下载/test1.png')

pdfplumber提取出的图片如下：

裁剪后的图片如下：

3.5 提取表格

之前的示例pdf并不包含表格，也没有找到带表格的pdf.所有创建了一个单页PDF，内容如下：

提取表格的示例：

import pdfplumberwith pdfplumber.open("bg.pdf") as pdf:#所有页面pages = pdf.pagesfor page in pages:#获取表格tables = page.find_tables()if len(tables) > 0:#提取表格内容(提取页面所有表格）content = page.extract_tables()print(content)#提取页面最大表格#content = page.extract_table()

提取结果：

#返回结果是多维数组，结构为 表 -> 行 -> 单元格
[['Test1', 'Test2', 'Test3', 'Test4', 'Test5'], ['aa', 'bb', 'cc', 'dd', 'ee'], ['ff', 'gg', 'Hh', 'Ii', 'gg']]

其中extract_tables()和extract_table()两个方法可以包含参数，用以配置提取属性，可配置的属性如下：

{"vertical_strategy": "lines","horizontal_strategy": "lines","explicit_vertical_lines": [],"explicit_horizontal_lines": [],"snap_tolerance": 3,"snap_x_tolerance": 3,"snap_y_tolerance": 3,"join_tolerance": 3,"join_x_tolerance": 3,"join_y_tolerance": 3,"edge_min_length": 3,"min_words_vertical": 3,"min_words_horizontal": 1,"keep_blank_chars": False,"text_tolerance": 3,"text_x_tolerance": 3,"text_y_tolerance": 3,"intersection_tolerance": 3,"intersection_x_tolerance": 3,"intersection_y_tolerance": 3,
}

关于以上属性的说明：

配置项	说明
“vertical_strategy”	垂直策略,可选值 “lines”, “lines_strict”, “text”, “explicit”,见后续说明
“horizontal_strategy”	水平策略,可选值 “lines”, “lines_strict”, “text”, “explicit”. 见后续说明
“explicit_vertical_lines”	明确划分表中单元格的垂直线列表。可与上述任何策略结合使用。列表中的项目应该是数字（表示一条直线的x坐标，即页面的全高）或 line/rect/curve对象。
“explicit_horizontal_lines”	明确划分表中单元格的水平线列表。可与上述任何策略结合使用。列表中的项目应该是数字（表示一条直线的y坐标即页面的全高）或 line/rect/curve对象。
“snap_tolerance”, “snap_x_tolerance”, “snap_y_tolerance”	snap_tolerance像素内的平行线将“捕捉”到相同的水平或垂直位置。
“join_tolerance”, “join_x_tolerance”, “join_y_tolerance”	同一条无限线上的线段，其端点在彼此的join_tolerance范围内，将“连接”为一条线段
“edge_min_length”	在尝试重建表之前，将丢弃小于edge_min_length的边
“min_words_vertical”	使用 “horizontal_strategy”: "text"时，至少 min_words_horizontal单词必须共享相同的对齐方式。
“min_words_horizontal”	使用 “horizontal_strategy”: "text"时,至少min_words_horizontal单词必须共享相同的对齐方式。
“keep_blank_chars”	使用 text 策略时, 空格符" "将视为单词的一部分而不是单词分隔符
“text_tolerance”, “text_x_tolerance”, “text_y_tolerance”	当 text 策略搜索单词时，期望每个单词中的单个字母之间的距离不超过text_tolerance像素。
“intersection_tolerance”, “intersection_x_tolerance”, “intersection_y_tolerance”	将边组合到单元格中时，正交边必须在intersection_tolerance 像素范围内才能视为相交。

表格提取策略

vertical_strategy(垂直策略) 及 horizontal_strategy(水平策略)均包含以下选项:

策略	说明
“lines”	使用页面的图形线（包括矩形对象的边）作为潜在表格单元格的边框。
“lines_strict”	使用页面的图形线（而不是矩形对象的边）作为潜在表格单元格的边框。
“text”	对于vertical_strategy（垂直策略）：推导连接页面上单词的左、右或中心的（假想的）行，并将这些行用作潜在表格单元格的边框。对于horizontal_strategy，相同操作，但使用单词的顶部。
“explicit”	仅使用explicit_vertical_lines / explicit_horizontal_lines中明确定义的线。

3.5.1 表格策略的应用

准备pdf的表格内容如下，注意最左边和最右边是没有边框的。

代码示例，使用垂直策略，并将策略模式分别修改为lines,lines_strict,text.

代码示例：

import pdfplumberwith pdfplumber.open("bg1.pdf") as pdf:#所有页面pages = pdf.pagesfor page in pages:#获取表格tables = page.find_tables()print(tables)if len(tables) > 0:#提取表格内容(提取页面所有表格）content = page.extract_tables()print("无策略：")print(content)content1 = page.extract_tables({"vertical_strategy":"lines"})print("垂直策略使用lines：")print(content1)content2 = page.extract_tables({"vertical_strategy":"lines_strict"})print("垂直策略使用lines_strit：")print(content2)content3 = page.extract_tables({"vertical_strategy":"text"})print("垂直策略使用text：")print(content3)

提取结果：

[<pdfplumber.table.Table object at 0x7fcd17df0410>]
无策略：
[[['公司名称', '经营范围', '注册资本'], ['a', 'b', 'c'], ['f', 'g', 'h']]]
垂直策略使用lines：
[[['公司名称', '经营范围', '注册资本'], ['a', 'b', 'c'], ['f', 'g', 'h']]]
垂直策略使用lines_strit：
[[['经营范围'], ['b'], ['g']]]
垂直策略使用text：
[[['公司名称', '经营范围', '注册资本'], ['a', 'b', 'c'], ['f', 'g', 'h']]]

可以发现，当垂直策略使用lines_strict时，第一列和最后一列的内容没有提取出来。是因为lines_strict只使用明确的图形线来定义列。而lines无图形线时使用潜在的矩形边框。当有图形线时，text模式并不影响结果，text模式主要用于没有图形线时通过文本格式进行推导。

下面准备一个没有图形线的表格：

提取结果：

[<pdfplumber.table.Table object at 0x7fbbf4832d10>]
无策略：
[[['公司名称', '经营范围', '注册资本'], ['a', 'b', 'c'], ['f', 'g', 'h']]]
垂直策略使用lines：
[[['公司名称', '经营范围', '注册资本'], ['a', 'b', 'c'], ['f', 'g', 'h']]]
垂直策略使用lines_strit：
[]
垂直策略使用text：
[[['公司名称', '经营范围', '注册资本'], ['a', 'b', 'c'], ['f', 'g', 'h']]]

可以发现，当lines_strict无法提取内容时，text依旧可以提取内容。lines模式同样可以提取是因为使用了潜在的矩形边框，因为pdf的内容是由excel拷贝并生成的。下面准备无格式的内容，:

代码示例：

import pdfplumberwith pdfplumber.open("bg1.pdf") as pdf:#所有页面pages = pdf.pagesfor page in pages:#获取表格tables = page.find_tables()print("页面表格：")print(tables)#提取表格内容(提取页面所有表格）content1 = page.extract_tables({"vertical_strategy":"lines"})print("垂直策略使用lines：")print(content1)content2 = page.extract_tables({"vertical_strategy":"lines_strict"})print("垂直策略使用lines_strit：")print(content2)content3 = page.extract_tables({"vertical_strategy":"text"})print("垂直策略使用text：")print(content3)

提取结果如下：

页面表格：
[]
垂直策略使用lines：
[]
垂直策略使用lines_strit：
[]
垂直策略使用text：
[]

相当于纯文本，无识别出表格，下面添加一些边框，让数据有一些格式：

提取结果：

页面表格：
[]
垂直策略使用lines：
[]
垂直策略使用lines_strit：
[]
垂直策略使用text：
[[['公司名称', '经营范围']]]

总的来说，当页面有规范的表格时，不利用策略模式，即无参方法提取即可。当页面无表格时，但有规范格式的数据时，可使用text策略模式提取。

水平策略同样如此，只是水平策略的lines_strict结果取决于表格内容的横向边框（图形线）。在此就不多做介绍了。

4 创建PDF

创建pdf采用reportlab.首先pip3 install reportlab 安装 库。

4.1 创建文本内容

使用reportlab创建中文时，需要进行字体注册，所以生成文档前请事先准备好中文字体。一个简单的示例：

# coding:utf-8from reportlab.pdfbase import pdfmetrics
from reportlab.pdfbase.ttfonts import TTFont
from reportlab.lib.styles import ParagraphStyle
from reportlab.platypus import SimpleDocTemplate,Paragraph
from reportlab.lib.pagesizes import letter, A4#字体注册，第一个参数可以自定义，第二个参数你准备好的字体文件。
pdfmetrics.registerFont(TTFont('yymt', 'yymt.ttf'))#段落样式
style = ParagraphStyle(name='Normal', #标准样式fontName='yymt', #注册的字体名称fontSize=14, #字体大小leading = 22, #行距)#准备文本内容
text = '我是被你囚禁的鸟，已经忘了天有多高，如果离开你给我的小小城堡，不知还有谁能依靠，我是被你囚禁的鸟，得到的爱越来越少，看着你的笑在别人眼中燃烧，我却要不到一个拥抱。'#段落，第一个参数为内容，第二个参数是上面定义的段落样式
pg = Paragraph(text,style)#创建文档,参数时文档保存位置，和页面大小
doc = SimpleDocTemplate("test.pdf",pagesize=A4)#文档内容拼接，这里简单重复了5次上面的段落
content = []
for i in range(1,6):content.append(pg)#生成文档，参数为一个列表，如果只有一个段落，也要定义成list
doc.build(content)

生成的文档内容如下：

4.2 创建表格

Reportlab中表格对象的属性：

Table(data, # 单元格值colWidths=None, # 列宽rowHeights=None, # 行高style=None,     # 样式splitByRow=1, #按行拆分表格，当前空间显示不下时是否按行拆分表格repeatRows=0, #表格拆分时重复的前导行repeatCols=0, #此参数会被忽略，因为目前无法按列拆分表格。rowSplitRange=None, #用于控制将表拆分为其行子集spaceBefore=None, #表前放置额外空间spaceAfter=None, #表后放置额外空间
)

一个简单的示例：

from reportlab.platypus.tables import Table, TableStyle
from reportlab.lib import colors
from reportlab.lib.units import inch
from reportlab.platypus import SimpleDocTemplate, Paragraph, Table, TableStyle
from reportlab.pdfbase import pdfmetrics
from reportlab.pdfbase.ttfonts import TTFont#字体注册，第一个参数可以自定义，第二个参数你准备好的字体文件。
pdfmetrics.registerFont(TTFont('yymt', 'yymt.ttf'))#内容列表
content = []
#表格数据
data = [['测试表格', '', '', '', '', ''],['标题1', '标题2', '标题3', '标题4', '标题5', '标题6'],['11', '12', '13', '14', '15', '16'],['21', '22', '23', '24', '25', '26'],['31', '32', '33', '34', '35', '36']
]#表格(不设置单元格宽高时，单元格宽高由内容自动撑开）
#table = Table(data)
#表格（单元格宽高设置）
table = Table(data,6*[inch],5*[0.3*inch])
#表格样式（参数是一个元组列表）
#每个元组的第一个元素是代表要设置的样式，后面两个元组是单元格范围，格式为(列，行)
style = TableStyle([#比如设置前两行文字颜色为橘色（从第一列第一个单元格，到最后一列第二个单元格）('TEXTCOLOR',(0,0),(-1,1),colors.orange),#从第三行行文字颜色为灰色('TEXTCOLOR',(0,2),(-1,-1),colors.grey),#最后一个单元格颜色为红色('TEXTCOLOR',(-1,-1),(-1,-1),colors.red),#设置内边距('INNERGRID', (0,0), (-1,-1), 0.25, colors.grey),#设置外边距('BOX', (0,0), (-1,-1), 1, colors.pink),#前三行设置中文字体("FONTNAME",(0,0), (-1,2), 'yymt'),#所有单元格内容居中('ALIGN', (0,0), (-1,-1), 'CENTER'),#首行合并('SPAN',(0,0),(-1,0))])
#为表格添加定义好的表格样式
table.setStyle(style)#将表格追加到内容列表中
content.append(table)
#生成文档
doc = SimpleDocTemplate('test1.pdf')
doc.build(content)

生成的表格如下：

其中tableStyle 可设置的样式，来自官方文档的自动翻译，你们应该看得懂：

FONT -采用字体名称，可选字体大小和可选前导。
FONTNAME(或FACE) -采用字体名称。
FONTSIZE(或SIZE) -以点为 单位的字体大小
LEADING -以点为单位的字符间距
TEXTCOLOR -接受颜色名称或(R,G,B)元组。
ALIGNMENT (or ALIGN)-取左，右和中心(或中心)或十进制之一。
LEFTPADDING -接受一个整数，默认为6。
RIGHTPADDING -接受一个整数，默认为6。
BOTTOMPADDING -接受一个整数，默认为3。
TOPPADDING -接受一个整数，默认为3。
BACKGROUND -接受由对象、字符串名或数字元组/列表定义的颜色，或接受一个列表/元组，
描述所需的渐变填充包含三个表单元素[DIRECTION, startColor, endColor] 其中方向为垂直或水平。
rowbackground -获取一个要循环使用的颜色列表。
colbackground -获取一个要循环使用的颜色列表。
VALIGN -接受TOP, MIDDLE或默认BOTTOM中的一个

4.3 表单

4.3.1 复选框

from reportlab.pdfgen import canvas
from reportlab.pdfbase import pdfform
from reportlab.lib.colors import magenta, pink, blue, green
from reportlab.pdfbase import pdfmetrics
from reportlab.pdfbase.ttfonts import TTFont#字体注册
pdfmetrics.registerFont(TTFont('yymt', 'yymt.ttf'))#Canvas是reportlab绘制操作的接口
#需要注意的时canvas绘制时页面会被当作一张画布
#其原点座标(0,0)是在页面左下角.
c = canvas.Canvas('test2.pdf')#定义标题
c.setFont("yymt", 20)
#绘制居中文本，前两个参数为座标
#表示在距离左边300，距离下部700，单位是点
#1毫米大概是2.8个点。
c.drawCentredString(300, 700, '爱好')#表单：
form = c.acroForm#复选框项
c.drawString(10, 650, '篮球')
#复选框1
form.checkbox(name='lq', tooltip='篮球',x=110, y=645, buttonStyle='check',borderColor=magenta, fillColor=pink, textColor=blue, forceBorder=False)
#复选框2
c.drawString(10, 600, '足球')
form.checkbox(name='zq', tooltip='足球',x=110, y=595, buttonStyle='cross',borderColor=magenta, fillColor=green, textColor=blue, forceBorder=True)
#复选框3
c.drawString(10, 550, '电影')
form.checkbox(name='zq', tooltip='电影',x=110, y=545, buttonStyle='circle',borderColor=magenta, textColor=blue, forceBorder=True)
c.save()

生成的内容如下所示，复选框选中时的样子：

以下是checkbox可设置选项：

参数	说明	默认值
name	名称	None
x	x坐标	0
y	y坐标	0
size	轮廓尺寸大小（x大小）	20
checked	是否选中	False
buttonStyle	按钮样式	'check'
shape	阴影	'square'
fillColor	填充色	None
textColor	文字颜色	None
borderWidth	边框宽度	1
borderColor	边框颜色	None
borderStyle	边框样式	'solid'
tooltip	鼠标悬停提示	None
annotationFlags	注释标志的空白分隔字符串	'print'
fieldFlags	空格分隔字段标志	'required'
forceBorder	是否强制边界	False
relative	是否相对定位	False
dashLen	如果borderStyle=='dashed'，则使用dashline	3

4.3.2 其它表单元素：

# coding: gbkfrom reportlab.pdfgen import canvas
from reportlab.pdfbase import pdfform
from reportlab.lib.colors import magenta, pink, blue, green
from reportlab.pdfbase import pdfmetrics
from reportlab.pdfbase.ttfonts import TTFontdef form_example():c = canvas.Canvas('d:/example.pdf')pdfmetrics.registerFont(TTFont('st', 'hpsimplifiedhans-regular.ttf'))c.setFont("st", 14)form = c.acroForm#--------------------   单选按钮  -----------------------c.drawString(10, 650, '篮球:')form.radio(name='radio1', tooltip='Field radio1',value='value1', selected=False,x=60, y=645, buttonStyle='check',borderStyle='solid', shape='square',textColor=blue, forceBorder=True)form.radio(name='radio1', tooltip='Field radio1',value='value2', selected=True,x=60, y=645, buttonStyle='check',borderStyle='solid', shape='square',borderColor=magenta, fillColor=pink, textColor=blue, forceBorder=True)c.drawString(110, 650, '电影:')form.radio(name='radio2', tooltip='Field radio2',value='value1', selected=True,x=150, y=645, buttonStyle='cross',borderStyle='solid', shape='circle',borderColor=green, fillColor=blue, borderWidth=2,textColor=pink, forceBorder=True)form.radio(name='radio2', tooltip='Field radio2',value='value2', selected=False,x=150, y=645, buttonStyle='cross',borderStyle='solid', shape='circle',borderColor=green, fillColor=blue, borderWidth=2,textColor=pink, forceBorder=True)#-------------------- 下拉列表 -------------------c.setFont("st", 14)c.drawString(10, 600, '爱好1:')options = [('A','A'),'B',('C','C'),('D','D'),'E',('F',),('G','G')]form.choice(name='choice',tooltip='爱好',value='A',x=60,y=595, width=72, height=20,borderColor=magenta, fillColor=pink, textColor=blue, forceBorder=True, options=options)#-------------------- 列表框 -------------------c.drawString(10, 560, '爱好2:')options1 = [('A','A'),'B',('C','C'),('D','D'),'E',('F',),('G','G')]form.listbox(name='listbox1', value='A',x=60, y=500, width=72, height=72,borderColor=magenta, fillColor=pink, textColor=blue, forceBorder=True, options=options1,fieldFlags='multiSelect')#--------------------- 输入框 -------------------------c.drawString(10, 460, '用户名:')form.textfield(name='uname', tooltip='User Name',x=60, y=455, borderStyle='inset',borderColor=magenta, width=300,height=28,textColor=blue, forceBorder=True)c.drawString(10, 420, '密码:')form.textfield(name='upass', tooltip='Password',x=60, y=415, borderStyle='inset',borderColor=green, fillColor=magenta, width=300,textColor=blue, forceBorder=True)c.save()if __name__ == '__main__':form_example()

结果如下：

4.4 图片

# coding: utf-8from reportlab.platypus import SimpleDocTemplate,Image
def image_example():doc = SimpleDocTemplate("example.pdf")content = []img = Image("test.bmp",200,40)content.append(img)doc.build(content)
if __name__ == '__main__':image_example()

生成结果：

python能做的100件事04 - 解析PDF相关推荐

1. python能做的100件事-01-python处理office文档

   文章目录 0. 环境说明 1. python处理word文档 1.1 基础操作 1.2关于基础操作的补充: 1.2.1关于Document对象: 1.2.2 关于段落属性的设置 1.2.3 样式设置 ...

2. 在武汉，想和你一起做的100件事

   这是一篇近期人气很火的文章,写在彼此心里的话,<在武汉,想和你一起做的100件事>.分享一下别人的浪漫,制造一些浪漫,学会浪漫, 想和你,一起过武汉的夏天. 用炎热告诉你,这是这座城的热情 ...

3. 网易100件事任务清单html,人生必做的100件事测试

   人生必做的100件事测试游戏非常适合玩家大幅闲暇无聊时间的一款趣味测试游戏,可以通过测试题目来更加全面的了解你自己,深入剖析你的内心世界,很多的选择题,可能会出现犹豫不决的时候,只需要遵循内心真实想法 ...

4. DayDayUp：人生必做的100件事，那么，你完成多少了呢？

   DayDayUp:人生必做的100件事,那么,你完成多少了呢? 导读:二十弱冠,三十而立,四十不惑,五十知天命,六十花甲子,七十古来稀,八十为耄耋之年.人一辈子,说短很短,说长也很长,网易推荐了人生必 ...

5. 网易100件事任务清单html,人生必做的100件事清单

   网易人生必做的100件事清单官方游戏入口:一款由网易最新推出的趣味测试小游戏,在这里你可以来选择你人生中最想做的100件事情,是选择一个人来一场说走就走的旅行,还是和你的伴侣在恋爱过程中做满100件温 ...

6. 网易100件事任务清单html,网易人生必做的100件事清单-网易人生必做的100件事游戏app预约 v1.0-友情手机站...

   网易人生必做的100件事清单是网易最新推出的一个测试小游戏,在这里它将我们每一个人,这一生当中需要做的一百件事,全部都列在了一个清单上面.玩家们可以对着清单上面的内容,然后看看哪些事情我们已经做过了, ...

7. 相爱者彼此可以做的100件事

   据说,有一个叫普拉提的人由于天生体弱多病,就发明了一套比瑜伽更实用方便的体操,长期坚持这套运动,他不仅变得非常健康,而且身材优美.为了让我们的爱情婚姻能够去掉日久造成的臃肿疲惫,而保持身姿窈窕,神清气 ...

8. 最想和你做的100件事，我们一件一件的去完成

   一定要准备好笔和纸,留言告诉我你们一起完成了多少,完成80件以上的cp可以民政局见了. 1 手牵手逛街 2 一起坐摩天轮 3 一起去教堂 4 一起养一条小狗 5 一起看日出日落 6 一起吃冰淇淋 7 ...

9. 相爱者彼此可以做的100件事情

   相爱者彼此可以做的100件事 赵婕 据说,有一个叫普拉提的人由于天生体弱多病,就发明了一套比瑜伽更实用方便的体操,长期坚持这套 运动,他不仅变得非常健康,而且身材优美.为了让我们的爱情婚姻能够去掉日久 ...

最新文章

1. python终止线程报错_退出整个程序时出现python线程异常错误
2. python官网 中文版 新闻-新闻主页 - python兵者 - 博客园
3. 下拉加载 实现 java_[Java教程]iscroll5实现一个下拉刷新上拉加载的效果
4. HTML 文档流和文本流的理解
5. celery英语_图文海涛英语 分类记单词第112天：中止cease天花板ceiling
6. 真香啊，Python 轻松制作制作GIF动图
7. MFC快速创建bmp图片
8. 大屏可视化解决方案：公安大数据平台建设
9. 创新科技成果广东功能性水稻品种 国稻种芯百团计划行动
10. mysql导入表空间太慢_Oracle 11g统计表空间使用率很慢
11. cardboardSDK VR开发srcollview溢出解决。
12. win10怎么设置计算机语言,Win10系统怎么设置中文语言_windows10怎么把系统语言设置成中文...
13. 五个维度着手MySQL的优化，我和面试官都聊嗨了
14. Cheat Engine 小白教程（大白话教学 下篇
15. 我与kindle结缘的故事
16. 自制app（游戏）Please Go之上传头像篇----萌新成长之路
17. 怎样用计算机算游戏时间,珍惜时间年龄计算器
18. java+mysql+jsp+servlet 幼儿园管理系统
19. 迅雷导入未完成下载失败
20. Java面试：字节跳动+京东+360+网易面试题整理

热门文章

1. linux日志查看常见方法
2. Pycharm DIY背景图片，让你的界面酷起来！
3. 数据访问接口功能及含义
4. am335x USB 驱动框架记录
5. 参考霍兰德人格分析雷达图的思路来设计一组学生八门课的成绩雷达图
6. matlab批量修改文件内容并转换文件格式
7. 课堂上学生的经典插嘴
8. bakaxl启动器怎么导入整合包_bakaxl启动器加光影（附攻略）下载-bakaxl启动器加光影皮肤整合包2020最新手机免费版下载v1.16_86PS软件园...
9. 【机器学习自学笔记7】主成分分析(PCA)
10. 推荐给广大MM们－化妆品品牌中英文对照