Question

我正在编写mailmerge软件作为Python Web应用程序的一部分。

我有一个名为letter.pdf的模板，它是从MS Word文件生成的，包含居住者姓名所在的文本{name}。我还有一份c清单。 100名居民的名字。

我想要做的是阅读letter.pdf搜索"{name}"并将其替换为居民姓名（针对每位居民），然后将结果写入另一个pdf。然后我想把所有这些pdf聚集在一起，一个大的pdf（每个字母一页），我的网络应用程序的用户将打印出来创建他们的信件。

是否有任何Python库可以执行此操作？我看了看pdfrw和pdfminer，但我看不出他们能做到的地方。

（注意：我也有MS Word文件，所以如果有另一种使用不通过pdf的方式，那也可以完成这项工作。）

Answer 1

这可以通过PyPDF2包来完成。该实现可能取决于原始的PDF模板结构。但是，如果模板足够稳定且不经常更改，则替换代码不应是通用的，而应是简单的。

我简要介绍了如何替换PDF file中的文本。它将所有出现的PDF个令牌替换为DOC。

import os
import argparse
from PyPDF2 import PdfFileReader, PdfFileWriter


def replace_text(content, replacements = dict()):
    lines = content.splitlines()

    result = ""
    in_text = False

    for line in lines:
        if line == "BT":
            in_text = True

        elif line == "ET":
            in_text = False

        elif in_text:
            cmd = line[-2:]
            if cmd.lower() == 'tj':
                replaced_line = line
                for k, v in replacements.items():
                    replaced_line = replaced_line.replace(k, v)
                result += replaced_line + "\n"
            else:
                result += line + "\n"
            continue

        result += line + "\n"

    return result

def process_data(object, replacements):
    data = object.getData()
    decoded_data = data.decode('utf-8')

    replaced_data = replace_text(decoded_data, replacements)

    encoded_data = replaced_data.encode('utf-8')
    if object.decodedSelf is not None:
        object.decodedSelf.setData(encoded_data)
    else:
        object.setData(encoded_data)

if __name__ == "__main__":
    ap = argparse.ArgumentParser()
    ap.add_argument("-i", "--input", required=True, help="path to PDF document")
    args = vars(ap.parse_args())

    in_file = args["input"]
    filename_base = in_file.replace(os.path.splitext(in_file)[1], "")

    # Provide replacements list that you need here
    replacements = { 'PDF': 'DOC'}

    pdf = PdfFileReader(in_file)
    writer = PdfFileWriter()

    for page_number in range(0, pdf.getNumPages()):

        page = pdf.getPage(page_number)
        contents = page.getContents()

        if len(contents) > 0:
            for obj in contents:
                streamObj = obj.getObject()
                process_data(streamObj, replacements)
        else:
            process_data(contents, replacements)

        writer.addPage(page)

    with open(filename_base + ".result.pdf", 'wb') as out_file:
        writer.write(out_file)

结果是

在Python中搜索和替换pdf中的文本

1 个答案: