Necesito agregar algo de texto adicional a un PDF existente usando Python, cuál es la mejor manera de hacerlo y qué módulos adicionales necesitaré instalar.

Nota: Idealmente, me gustaría poder ejecutar esto tanto en Windows como en Linux, pero en un empujón solo Linux servirá.

Editar: pyPDF y ReportLab se ven bien, pero ninguno me permitirá editar un PDF existente, ¿hay otras opciones?

Sé que esta es una publicación anterior, pero pasé mucho tiempo tratando de encontrar una solución. Me encontré con uno decente usando solo ReportLab y PyPDF, así que pensé en compartir:

1. lea su PDF usando PdfFileReader(), llamaremos a esta entrada
2. cree un nuevo pdf que contenga su texto para agregar usando ReportLab, guárdelo como un objeto de cadena
3. leer el objeto de cadena usando PdfFileReader(), llamaremos a este texto
4. crear un nuevo objeto PDF usando PdfFileWriter(), llamaremos a esta salida
5. iterar a través de la entrada y aplicar .mergePage(*text*.getPage(0))para cada página a la que desea agregar el texto, luego usar output.addPage()para agregar las páginas modificadas a un nuevo documento

Esto funciona bien para adiciones de texto simples. Consulte el ejemplo de PyPDF para marcar un documento con una marca de agua.

Aquí hay un código para responder la siguiente pregunta:

packet = StringIO.StringIO()
can = canvas.Canvas(packet, pagesize=letter)
<do something with canvas>
can.save()
packet.seek(0)
input = PdfFileReader(packet)

Desde aquí puede fusionar las páginas del archivo de entrada con otro documento.

Ejemplo de [Python 2.7]:

---

from pyPdf import PdfFileWriter, PdfFileReader
import StringIO
from reportlab.pdfgen import canvas
from reportlab.lib.pagesizes import letter

packet = StringIO.StringIO()
# create a new PDF with Reportlab
can = canvas.Canvas(packet, pagesize=letter)
can.drawString(10, 100, "Hello world")
can.save()

#move to the beginning of the StringIO buffer
packet.seek(0)
new_pdf = PdfFileReader(packet)
# read your existing PDF
existing_pdf = PdfFileReader(file("original.pdf", "rb"))
output = PdfFileWriter()
# add the "watermark" (which is the new pdf) on the existing page
page = existing_pdf.getPage(0)
page.mergePage(new_pdf.getPage(0))
output.addPage(page)
# finally, write "output" to a real file
outputStream = file("destination.pdf", "wb")
output.write(outputStream)
outputStream.close()

Ejemplo de Python 3.x:

from PyPDF2 import PdfFileWriter, PdfFileReader
import io
from reportlab.pdfgen import canvas
from reportlab.lib.pagesizes import letter

packet = io.BytesIO()
# create a new PDF with Reportlab
can = canvas.Canvas(packet, pagesize=letter)
can.drawString(10, 100, "Hello world")
can.save()

#move to the beginning of the StringIO buffer
packet.seek(0)
new_pdf = PdfFileReader(packet)
# read your existing PDF
existing_pdf = PdfFileReader(open("original.pdf", "rb"))
output = PdfFileWriter()
# add the "watermark" (which is the new pdf) on the existing page
page = existing_pdf.getPage(0)
page.mergePage(new_pdf.getPage(0))
output.addPage(page)
# finally, write "output" to a real file
outputStream = open("destination.pdf", "wb")
output.write(outputStream)
outputStream.close()

pdfrw le permitirá leer páginas de un PDF existente y dibujarlas en un lienzo de reportlab (similar a dibujar una imagen). Hay ejemplos de esto en el subdirectorio pdfrw examples / rl1 en github. Descargo de responsabilidad: soy el autor de pdfrw.

Aprovechando la respuesta de David Dehghan anterior, lo siguiente funciona en Python 2.7.13:

from PyPDF2 import PdfFileWriter, PdfFileReader, PdfFileMerger

import StringIO

from reportlab.pdfgen import canvas
from reportlab.lib.pagesizes import letter

packet = StringIO.StringIO()
# create a new PDF with Reportlab
can = canvas.Canvas(packet, pagesize=letter)
can.drawString(290, 720, "Hello world")
can.save()

#move to the beginning of the StringIO buffer
packet.seek(0)
new_pdf = PdfFileReader(packet)
# read your existing PDF
existing_pdf = PdfFileReader("original.pdf")
output = PdfFileWriter()
# add the "watermark" (which is the new pdf) on the existing page
page = existing_pdf.getPage(0)
page.mergePage(new_pdf.getPage(0))
output.addPage(page)
# finally, write "output" to a real file
outputStream = open("destination.pdf", "wb")
output.write(outputStream)
outputStream.close()

cpdf hará el trabajo desde la línea de comandos. Sin embargo, no es python (afaik):

cpdf -add-text "Line of text" input.pdf -o output .pdf

Es posible que tenga más suerte descomponiendo el problema en convertir PDF a un formato editable, escribir sus cambios y luego convertirlo nuevamente en PDF. No conozco una biblioteca que le permita editar PDF directamente, pero hay muchos convertidores entre DOC y PDF, por ejemplo.

Si está en Windows, esto podría funcionar:

Piloto de PDF Creator

También hay un documento técnico de un marco de creación y edición de PDF en Python. Está un poco anticuado, pero quizás pueda darte información útil:

Uso de Python como marco de procesamiento y edición de PDF

¿Has probado pyPdf ?

Lo sentimos, no tiene la capacidad de modificar el contenido de una página.