PyPDF2与pdfplumber：PDF文件处理

从基础到进阶，用 Python 高效提取、合并、拆分和解析 PDF 文件内容。

PDF（Portable Document Format）是当今最流行的文档格式之一，广泛应用于电子书、合同、报告、表单等场景。但在日常工作中，我们经常需要从 PDF 中提取数据、合并多个 PDF、拆分页面或进行内容解析——而这些操作如果完全依赖 Adobe Acrobat 或在线工具，不仅效率低下，还可能存在隐私泄露的风险。

Python 生态为我们提供了两个强大的 PDF 处理库：PyPDF2和pdfplumber。前者擅长 PDF 的页面级操作（合并、拆分、旋转、加密等），后者则专精于内容提取（尤其是文本和表格的精准解析）。理解它们的异同，并掌握它们的使用方法，可以让我们轻松应对各种 PDF 处理需求。

本文将从零开始，系统地介绍这两个库的安装、核心功能、实战案例以及它们各自的适用场景。全文不低于 5000 字，力求通俗易懂且兼具专业性，帮助你快速上手并灵活运用。

一、认识 PDF 处理的两大利器

1.1 PyPDF2：PDF 操作的多面手

PyPDF2是一个纯 Python 库，专注于 PDF 文件的页面级操作。它能够：

• 合并多个 PDF 文件
• 拆分 PDF 为多个单独页面
• 旋转、裁剪页面
• 提取页面上的文本（但准确率有限）
• 添加水印、加密和解密 PDF
• 读取 PDF 元数据（作者、标题、创建日期等）

它的优势在于