pypdf 完整指南：合并、拆分、水印等 6 个常用操作一次讲清

pypdf 完整指南：合并、拆分、水印等 6 个常用操作一次讲清

【免费下载链接】pypdfA pure-python PDF library capable of splitting, merging, cropping, and transforming the pages of PDF files项目地址: https://gitcode.com/GitHub_Trending/py/pypdf

pypdf 是一个纯 Python 编写的 PDF 处理库，帮你用代码完成 PDF 的拆分、合并、裁剪、页面变换、加密与文本提取。无需系统级依赖，pip 一条命令即可安装，适合脚本开发者和批量文档处理场景。

📌 30 秒了解 pypdf

pypdf 定位很直接：用 Python 代码读写 PDF 文件。

• 合并多份 PDF，或把一份 PDF 拆出指定页面
• 裁剪、旋转、缩放页面，调整页面尺寸
• 给文档加水印、印章、图形和文本注释
• 提取 PDF 中的文本与元数据，支持加解密

⚙️ 它适合哪些场景

• 自动化办公：把一批报告按顺序合并成一份 PDF
• 文档处理：给合同批量盖"已审核"印章或加水印
• 数据整理：从 PDF 里批量抽取文字，导入数据库或做检索
• 格式调整：旋转方向错误的页面、裁剪多余的页边

🔧 安装与环境准备

安装

pip install pypdf

验证是否装好：

python -c "import pypdf; print(pypdf.__version__)"

兼容性

pypdf 与操作系统无关，只要 Python 版本达标即可运行。

可选扩展

• pip install "pypdf[crypto]"：AES 加密/解密 PDF
• pip install "pypdf[image]"：提取、嵌入图片
• pip install "pypdf[fonts]"：字体处理
• pip install "pypdf[rtl_text]"：阿拉伯语等右起文字
• pip install "pypdf[full]"：以上全部

🔍 功能速览

如何一步合并多份 PDF

用PdfWriter依次调用append追加文件，最后write输出即可，只合并前三页也可以传pages=(0, 3)。

提示：合并不同尺寸的页面时，可用merge方法指定插入位置并自动扩展画布。

如何从 PDF 中拆分指定页面

用PdfReader读入原文件，add_page挑选要保留的页码，写出新文件就是拆分。想保留哪些页，就加哪些页。

如何裁剪、旋转和缩放 PDF 页面

页面提供rotate方法调整角度，修改mediabox坐标即可裁剪，缩放则调整页面尺寸参数。

注意：裁剪只是调整可视区域，被裁掉的内容仍留在文件里，别当保密手段用。

如何给 PDF 添加水印或印章

用merge_page把水印页合并到每一页上，over=False水印垫底，over=True印章置顶，配合Transformation还能旋转缩放。

印章适合"已审核"这类标识，水印适合版权保护，两者只差一个参数。

如何提取 PDF 文本

reader.pages[0].extract_text()直接返回文字；传extraction_mode="layout"可尽量还原原始排版。

💡 进阶操作

• 加密与解密：writer.encrypt("密码")给文档设访问密码，PdfReader打开加密文件时传入password参数。AES-256 加解密需要安装 crypto 扩展包。
• 填写 PDF 表单：读取page.get_annots()找到表单域，赋值后保存，可用于批量填写发票、申请单。
• 处理图形与文本注释：pypdf支持高亮、下划线、自由文本、矩形等注释类型，创建和读取都可以，适合做批注工具。

✅ 实战场景

场景一：文档归档（合并 + 水印）收到一份主文档和几份附件，先按顺序append合并成一份 PDF，再用merge_page(over=False)给每页垫上水印，最后写出归档文件。顺序上先合并再加水印，避免对多份文件重复加水印。

场景二：批量盖章后拆分分发（印章 + 拆分）先给合同每页用merge_page(over=True)盖"已盖章"印章，保存后再按页拆分，把每位申请人对应的页分别导出。印章用over=True保证压在正文之上不被遮挡。

⚠️ 常见坑

• 现象：照旧教程写PdfMerger报不存在。原因：PdfMerger已弃用，功能并入PdfWriter。解决：改用PdfWriter().append(...)完成合并。
• 现象：处理大文件报RecursionError。原因：Python 递归深度不够。解决：sys.setrecursionlimit(sys.getrecursionlimit() * 5)。
• 现象：扫描件提取文本为空。原因：图片型 PDF 没有文本层，pypdf 不做 OCR。解决：先过 OCR 工具再提取。
• 现象：水印显示在文字上面。原因：merge_page默认over=True。解决：水印改为over=False，印章才用True。
• 现象：输出大量 warning 日志。原因：很多 PDF 不完全符合规范，pypdf 会记录警告。解决：属正常现象，需要精确控制可传strict=True改为报错。

📎 小贴士

1. 发布代码时用print(pypdf.__version__)确认并锁定版本，跨版本 API 有差异。
2. 批量处理时给每个文件单独写脚本或循环处理，方便定位坏文件。
3. 读入可疑文件先试strict=False，容忍格式瑕疵。
4. 需要提取的图片或字体时，按需安装对应扩展包，不要一开始就装 full。
5. 输出文件先写临时文件确认无误再覆盖原文件，防止误操作丢失源文档。

到这里，pypdf 的常用能力就都过了一遍：合并、拆分、裁剪变换、水印印章、文本提取，再配上加解密和表单填写覆盖绝大多数需求。下一步建议从 docs/user/ 下的 merging-pdfs.md、add-watermark.md 和 cropping-and-transforming.md 三个文档看完整示例，也可以试试 docs/user/extract-text.md 里的文本提取写法。

【免费下载链接】pypdfA pure-python PDF library capable of splitting, merging, cropping, and transforming the pages of PDF files项目地址: https://gitcode.com/GitHub_Trending/py/pypdf