Question

我正在尝试通过从pandas数据框中读取数据并使用pyPDF2和reportlab将其写入现有pdf表单来自动生成pdf。该计划的主要内容是：

def pdfOperations(row, bp):
    packet = io.BytesIO()
    can = canvas.Canvas(packet, pagesize=letter)
    createText(row, can)
    packet.seek(0)
    new_pdf = PdfFileReader(packet)
    textPage = new_pdf.getPage(0)
    secondPage = bp.getPage(1)
    secondPage.mergePage(textPage)
    assemblePDF(frontPage, secondPage, row)
    del packet, can, new_pdf, textPage, secondPage

def main():
    df = openData()
    bp = readPDF()
    frontPage = bp.getPage(0)
    for ind in df.index:
        row = df.loc[ind]
        pdfOperations(row, bp)

这适用于第一行数据和第一行pdf，但对于后续的数据，所有文本都会被覆盖。即第二个pdf包含第一次迭代和第二次迭代的文本。我认为垃圾收集会处理所有内存更改，但这似乎并没有发生。谁知道为什么？

我甚至尝试在函数运行之后强制删除对象，但没有运气......

Answer 1

您只能在循环前阅读bp一次。然后在循环中，您通过getPage(1)获取其第二页并将其合并到其中。但由于它始终来自同一个对象（bp），因此每个迭代将合并到同一页面，因此所有合并在加起来之前完成。

虽然我没有找到任何方法来创建一个＆＃34; deepcopy＆＃34;在PyPDF2的文档中，它应该只为每次迭代创建一个新的bp对象。

readPDF中的某个位置，您必须完成某些操作，将模板PDF打开为二进制流，然后将其传递给PdfFileReader。相反，您可以将数据读入变量：

with open(filename, "rb") as f:
    bp_bin = f.read()

然后，为每个循环迭代创建一个新的PdfFileReader实例：

for ind in df.index:
    row = df.loc[ind]
    bp = PdfFileReader(bp_bin)
    pdfOperations(row, bp)

这应该＆＃34;重置＆＃34;每次secondPage没有任何额外的文件I / O开销。每次只进行解析，但根据文件大小和内容，可能花费的时间很少，你可以忍受。

Reportlab PDF创建python复制文本

1 个答案: