pyPdf PdfFileReader vs PdfFileWriter

Question

我有以下代码：

import os
from pyPdf import PdfFileReader, PdfFileWriter

path = "C:/Real Python/Course materials/Chapter 12/Practice files"

input_file_name = os.path.join(path, "Pride and Prejudice.pdf")
input_file = PdfFileReader(file(input_file_name, "rb"))
output_PDF = PdfFileWriter()

for page_num in range(1, 4):
    output_PDF.addPage(input_file.getPage(page_num))

output_file_name = os.path.join(path, "Output/portion.pdf")
output_file = file(output_file_name, "wb")
output_PDF.write(output_file)
output_file.close()

直到现在我还在读Pdf，后来学会了从Pdf写到txt.但现在这个..。为什么PdfFileReader和PdfFileWriter有这么大的不同？

有人能解释一下吗？我希望这样的事情：

import os
from pyPdf import PdfFileReader, PdfFileWriter

path = "C:/Real Python/Course materials/Chapter 12/Practice files"

input_file_name = os.path.join(path, "Pride and Prejudice.pdf")
input_file = PdfFileReader(file(input_file_name, "rb"))

output_file_name = os.path.join(path, "out Pride and Prejudice.pdf")
output_file = PdfFileWriter(file(output_file_name, "wb"))

for page_num in range(1,4):
    page = input_file.petPage(page_num)
    output_file.addPage(page_num)
    output_file.write(page)

有什么帮助吗？谢谢

编辑0: .addPage()做什么？

for page_num in range(1, 4):
        output_PDF.addPage(input_file.getPage(page_num))

它只是创建了3个空白页吗？

编辑1:有人可以解释在以下情况下发生了什么：

1) output_PDF = PdfFileWriter()

2) output_PDF.addPage(input_file.getPage(page_num))

3) output_PDF.write(output_file)

第三个通过刚刚创建的(！)反对output_PDF，为什么？

Answer 1

问题基本上是PDF交叉参考表。

这是一个有点混乱的意大利面怪物引用页，字体，对象，元素，这些都需要链接在一起，以允许随机访问。

每次更新文件时，都需要重新生成此表。该文件首先是在内存中创建的，因此这只需发生一次，从而进一步降低了烧掉文件的机会。

output_PDF = PdfFileWriter()

这就为PDF文件创建了内存空间。(从你原来的pdf中提取)

output_PDF.addPage(input_file.getPage(page_num))

将输入pdf中的页面添加到内存中创建的PDF文件中(您想要的页面)。

output_PDF.write(output_file)

最后，这会将存储在内存中的对象写入文件，构建标题、交叉引用表，并将所有内容链接到一起。

编辑:据推测，刚刚创建的标志标志PyPDF开始构建适当的表并将内容链接到一起。

--

针对为什么vs .txt和csv：

当您从文本或CSV文件复制时，没有需要理解和移动的现有数据结构来确保格式化、图像放置和表单数据(输入部分等)的保存和正确创建。

Answer 2

很可能，这是因为PDF并不完全是线性的--“头”实际上在文件的末尾。

如果每次更改时都会将该文件写入磁盘，则您的计算机需要继续将该数据推送到磁盘上。相反，模块(可能)将有关文档的信息存储在一个对象(PdfFileWriter)中，然后在请求时将该数据转换为实际的PDF文件。