PDF 是 Portable Document Format 的缩写，这类文件通常使用 .pdf 作为其扩展名。在日常开发工作中，最容易遇到的就是从 PDF 中读取文本内容以及用已有的内容生成 PDF 文档这两个任务。

从PDF中提取文本

在Python中，可以使用名为 PyPDF2 的三方库来读取PDF文件，可以使用下面的命令来安装它。

pip install PyPDF2

PyPDF2 没有办法从 PDF 文档中提取图像、图表或其他媒体，但它可以提取文本，并将其返回为 Python 字符串。

import PyPDF2

reader = PyPDF2.PdfFileReader('test.pdf')
page = reader.getPage(0)
print(page.extractText())

当然，PyPDF2 并不是什么样的 PDF 文档都能提取出文字来，这个问题就我所知并没有什么特别好的解决方法，尤其是在提取中文的时候。网上也有很多讲解从 PDF 中提取文字的文章，推荐大家自行阅读进行了解, 后续我们也可以花点时间讲解下。

要从 PDF 文件中提取文本也可以直接使用三方的命令行工具，具体的做法如下所示。

pip install pdfminer.six
pdf2text.py test.pdf

旋转和叠加页面

上面的代码中通过创建 PdfFileReader 对象的方式来读取 PDF 文档，该对象的 getPage 方法可以获得 PDF 文档的指定页并得到一个 PageObject 对象，通过 PageObject 对象的 rotateClockwise 和 rotateCounterClockwise 方法可以实现页面的顺时针和逆时针方向旋转，通过 PageObject 对象的 addBlankPage 方法可以添加一个新的空白页，代码如下所示。