【Python入门教程】Python压缩PDF（fitz、aspose.pdf、PyPDF2）

        我们平时在使用PDF时有时会遇到PDF过大的情况，例如最近我在进行工程制图时，需要将影像使用PDF导出，这就导致PDF文件会非常大，一般有200M左右，这对于数据传输非常不友好。同时有很多软件的PDF压缩功能都需要收费，所以今天就跟大家分享一下如何使用Python对PDF文件进行压缩，这里给大家分别用三个Python库对PDF文件进行压缩。

1. fitz库进行PDF压缩

1.1 fitz库介绍

        Python的fitz库是一个基于Python开发的PDF处理库，它是PyMuPDF的前身。fitz提供了一系列的API和功能，可以用于读取、编辑和生成PDF文件。此外，它还可以处理其他类型的图像，如TIFF和JPEG，提供图像处理功能，如旋转、裁剪、缩放、调整亮度、对比度和色彩平衡等。

        在使用fitz库之前，需要先安装它。可以通过pip命令进行安装，但需要注意的是，fitz库依赖于libmupdf，所以在安装前需要先安装libmupdf。安装完成后，可以导入fitz库，并使用其中的函数和类来操作PDF文件或其他图像。

        在Python中，fitz库可以用于多种任务，如打开PDF文件、遍历页面、添加注释、提取文本、旋转页面等。此外，它还可以用于在PDF页面上添加高亮注释、提取图像等操作。

        总的来说，fitz库是一个非常实用的Python库，它提供了丰富的PDF和图像处理功能，可以让我们更加方便地处理PDF文件和其他图像。虽然可能需要一定的学习曲线，但是一旦掌握了其使用方法，就能够大大提高工作效率。

1.2 代码

1. # -*- coding: utf-8 -*-
2. """
3. @Time ： 2023/11/3 14:37
4. @Auth ： RS迷途小书童
5. @File ：Compress PDF.py
6. @IDE ：PyCharm
7. @Purpose：PDF文件压缩
8. @Web：博客地址:https://blog.csdn.net/m0_56729804
9. """
10. import os
11. import fitz
12. import PyPDF2
13. import aspose.pdf as ap
16. # --------------------------------------通过转换图片实现压缩------------------------------------
19. def convert_img(path1, dpi, work_path):
20. file = fitz.open(path1)
21. page_count = file.page_count
22. if os.path.exists(work_path): # 临时文件夹，需要为空
23. os.removedirs(work_path)
24. os.mkdir(work_path)
25. for i in range(page_count):
26. page = file[i]
27. dpi = int(dpi) # 值越大，分辨率越高，文件越清晰
28. rotate = int(0)
29. print(page)
30. trans = fitz.Matrix(dpi / 100.0, dpi / 100.0).prerotate(rotate)
31. pm = page.get_pixmap(matrix=trans, alpha=False)
32. img_path = work_path + '/%s.jpg' % str(i + 1)
33. pm.save(img_path) # 保存为图像文件
34. file.close()
37. def img_for_pdf(path1, path2, work_path):
38. file1 = fitz.open(path1)
39. page_count = file1.page_count
40. file2 = fitz.open()
41. for i in range(page_count):
42. img_path = work_path + '/%s.jpg' % str(i + 1)
43. img = fitz.open(img_path) # 打开图片
44. pdf = img.convert_to_pdf() # 使用图片创建单页的PDF
45. os.remove(img_path)
46. pdf_temp = fitz.open("pdf", pdf)
47. file2.insert_pdf(pdf_temp) # 将当前页插入文档
48. if os.path.exists(path2): # 若文件存在先删除
49. os.remove(path2)
50. file2.save(path2) # 保存PDF文件
51. file2.close()
54. def Compress_by_img(path1, path2, dpi, work_path):
55. """
56. :param path1: 需要压缩的pdf文件路径
57. :param path2: 保存的pdf文件路径
58. :param dpi: 分辨率
59. :param work_path: 临时工作路径
60. :return: None
61. 无水印，效果较好！
62. """
63. convert_img(path1, dpi, work_path)
64. img_for_pdf(path1, path2, work_path)
65. os.removedirs(work_path)
68. if __name__ == "__main__":
69. work_path1 = r'Z:/彭俊喜/.pdf'
70. in_path = r"Z:/彭俊喜/123.pdf" # 需要压缩的PDF文件
71. out_path = r"Z:/彭俊喜/321.pdf" # 压缩后的PDF文件路径
72. zoom = 1500 # 清晰度调节，缩放比率
73. Compress_by_img(in_path, out_path, zoom, work_path1)

2.aspose.pdf库进行PDF压缩

2.1 aspose.pdf库介绍

        Aspose.PDF for Python是一款高级PDF处理API，它允许在跨平台应用程序中轻松生成、修改、转换、呈现、保护和打印PDF文档，而无需使用Adobe Acrobat。这款API提供了广泛的功能，包括压缩选项、表创建和处理、图形和图像功能、超链接功能、图章和水印任务，以及扩展的安全控件和自定义字体处理。

具体来说，Aspose.PDF for Python可以帮助你执行以下操作：

1. 创建PDF文件：你可以使用Python代码生成全新的PDF文件，包括添加文本、图像、表格等元素。
2. 编辑PDF文件：Aspose.PDF for Python允许你修改现有的PDF文件，包括更改文本、添加或删除页面、插入图像等。
3. 转换PDF文件：这款API支持将PDF文件转换为其他格式，如Word、HTML、TXT和DOCX等，也支持将其他格式的文件转换为PDF。
4. 处理PDF内容：你可以使用Aspose.PDF for Python来提取、修改或添加PDF中的文本、图像等元素。
5. 添加水印和安全性：Aspose.PDF for Python允许你在PDF文件中添加水印，以增强文档的版权保护。此外，你还可以设置文档的访问权限、加密等安全措施。
6. 优化PDF文件：这款API提供了压缩选项，可以帮助你减小PDF文件的大小，以便于网络传输或存储。

        总的来说，Aspose.PDF for Python是一款功能强大、易于使用的PDF处理库，它可以帮助你高效地处理PDF文件，提高工作效率。同时，它也提供了丰富的API接口和文档支持，方便开发者进行集成和开发。

2.2 代码

1. # -*- coding: utf-8 -*-
2. """
3. @Time ： 2023/11/3 14:37
4. @Auth ： RS迷途小书童
5. @File ：Compress PDF.py
6. @IDE ：PyCharm
7. @Purpose：PDF文件压缩
8. @Web：博客地址:https://blog.csdn.net/m0_56729804
9. """
10. import os
11. import fitz
12. import PyPDF2
13. import aspose.pdf as ap
15. # ---------------------------------------无损压缩，但有水印-------------------------------------
18. def Lossless_Compression(path1, path2):
19. """
20. :param path1: 需要压缩的pdf文件路径
21. :param path2: 保存的pdf文件路径
22. :return: None
23. 无损压缩，无法去除水印！！！
24. """
25. compress_path = ap.Document(path1) # 需要压缩的pdf文件路径
26. # print(compress_path)
27. optimize = ap.optimization.OptimizationOptions()
28. optimize.image_compression_options.compress_images = True
29. optimize.image_compression_options.image_quality = 90 # 压缩质量
30. compress_path.optimize_resources(optimize)
31. compress_path.save(path2) # 需要压缩后保存的文件路径
32. # Evaluation Only. Created with Aspose.PDF. Copyright 2002-2023 Aspose Pty Ltd.无法去除水印
35. if __name__ == "__main__":
36. work_path1 = r'Z:/彭俊喜/.pdf'
37. in_path = r"Z:/彭俊喜/123.pdf" # 需要压缩的PDF文件
38. out_path = r"Z:/彭俊喜/321.pdf" # 压缩后的PDF文件路径
39. Lossless_Compression(in_path, out_path)

3.PyPDF2库进行PDF

3.1 PyPDF2库介绍

        PyPDF2是一个纯Python的PDF处理库，它允许用户读取、合并、拆分、旋转和转换PDF文件。此外，它还可以为PDF文件添加水印、密码保护，以及从PDF中提取文本和元数据。

以下是PyPDF2库的一些主要功能和特点：

1. PDF合并与拆分：PyPDF2可以轻松地将多个PDF文件合并成一个文件，或者将一个PDF文件拆分为多个文件。这对于处理大量PDF文件或重新组织文件内容非常有用。
2. 页面旋转：PyPDF2允许用户旋转PDF文件中的页面，这对于调整页面方向或修复错误的页面方向非常有帮助。
3. 添加水印：使用PyPDF2，用户可以为PDF文件添加自定义的水印，以增强文档的版权保护或品牌识别。
4. 密码保护：PyPDF2提供了为PDF文件添加密码保护的功能，以确保文档的安全性。只有知道密码的用户才能打开和编辑文件。
5. 文本和元数据提取：PyPDF2可以从PDF文件中提取文本和元数据（如作者、标题、主题等），这对于分析和处理PDF内容非常有用。
6. 兼容性强：PyPDF2库兼容所有版本的PDF文件，并且可以在任何平台上运行，而无需对任何外部库产生任何与平台相关的依赖。

        总的来说，PyPDF2是一个功能强大且易于使用的Python PDF处理库，适用于各种PDF处理任务，包括文件合并、拆分、旋转、添加水印、密码保护以及文本和元数据提取等。然而，需要注意的是，PyPDF2项目的最后一个版本将是3.0.X，后续的开发将继续使用pypdf==3.1.0。因此，在使用PyPDF2时，建议查看最新的文档和更新信息，以确保兼容性和稳定性。

3.2 代码

1. # -*- coding: utf-8 -*-
2. """
3. @Time ： 2023/11/3 14:37
4. @Auth ： RS迷途小书童
5. @File ：Compress PDF.py
6. @IDE ：PyCharm
7. @Purpose：PDF文件压缩
8. @Web：博客地址:https://blog.csdn.net/m0_56729804
9. """
10. import os
11. import fitz
12. import PyPDF2
13. import aspose.pdf as ap
15. # ---------------------------------------逐页压缩，效果未知-------------------------------------
16. def compress_by_page(path1, path2):
17. """
18. :param path1: 需要压缩的pdf文件路径
19. :param path2: 保存的pdf文件路径
20. :return: None
21. 逐页压缩，效果未知，慢！！！
22. """
23. pdf_file = open(path1, "rb")
24. pdf_reader = PyPDF2.PdfReader(pdf_file)
25. pdf_writer = PyPDF2.PdfWriter()
26. for page_num in range(len(pdf_reader.pages)):
27. page = pdf_reader.pages[page_num]
28. page.compress_content_streams()
29. pdf_writer.add_page(page)
30. out_file = open(path2, "wb")
31. pdf_writer.write(out_file)
32. out_file.close()
33. pdf_file.close()
36. if __name__ == "__main__":
37. # work_path1 = r'Z:/彭俊喜/.pdf'
38. in_path = r"Z:/彭俊喜/123.pdf" # 需要压缩的PDF文件
39. out_path = r"Z:/彭俊喜/321.pdf" # 压缩后的PDF文件路径
40. compress_by_page(in_path, out_path)

4.总结

        从三个库的压缩效果来说，aspose.pdf库压缩的时间最短、质量更好、占用空间最小，但它保存PDF时会在左上角默认添加一行红字（版权说明）。其次就是fitz库，通过调节分辨率也可以很高质量地压缩PDF，但是占用空间略大于aspose.pdf。最后就是PyPDF2，虽然是原生的Python库，但是压缩速度较慢，同时它的原理是逐页进行图片压缩，对于我这个单页单图片太大的PDF作用不大，我也没空去测试多页压缩的效果，你们可以自己试试。

        我会不定期地分享平时工作、学习中使用的代码和学习经验，感兴趣的话可以点个关注。如果有什么学术问题，可以直接留言或者私信我，看到就会回复！