如何使用 Python 填写 PDF 表单

Question

我有一个 PDF form 使用 Adobe LiveCycle Designer ES 10.4 创建的。我需要使用 Python 来填充它，这样我们就可以减少体力劳动。我在网上搜索并阅读了一些文章，其中大部分都是围绕 pdfrw 库，我尝试使用它并从 PDF form 中提取了一些信息，如下所示

代码

from pdfrw import PdfReader
pdf = PdfReader('sample.pdf')
print(pdf.keys())
print(pdf.Info)
print(pdf.Root.keys())
print('PDF has {} pages'.format(len(pdf.pages)))

输出

['/Root', '/Info', '/ID', '/Size']
{'/CreationDate': "(D:20180822164509+05'30')", '/Creator': '(Adobe LiveCycle Designer ES 10.4)', '/ModDate': "(D:20180822165611+05'30')", '/Producer': '(Adobe XML Form Module Library)'}
['/AcroForm', '/MarkInfo', '/Metadata', '/Names', '/NeedsRendering', '/Pages', '/Perms', '/StructTreeRoot', '/Type']
PDF has 1 pages

我不确定如何进一步使用 pdfrw 从 PDF 表单访问可填写字段并使用 Python 填写它们是否可行。任何建议都会有所帮助。

Answer 1

使用 PDFix SDK

基于 AcroForm 的表单

def SetFormFieldValue(email, key, open_path, save_path):
    pdfix  = GetPdfix()
    if pdfix is None:
        raise Exception('Pdfix Initialization fail')
    if not pdfix.Authorize(pdfix_email, pdfix_license):
        raise Exception('Authorization fail : ' + pdfix.GetError())
    doc = pdfix.OpenDoc(open_path, "")
    if doc is None:
        raise Exception('Unable to open pdf : ' + pdfix.GetError())
    field = doc.GetFormFieldByName("Text1")
    if field is not None:
        value = field.GetValue()
        value = "New Value"
        field.SetValue(value)
    if not doc.Save(save_path, kSaveFull):
        raise Exception(pdfix.GetError())
    doc.Close()
    pdfix.Destroy()

Answer 2

您可以在此处找到表单字段：

pdf.Root.AcroForm.Fields

或此处

pdf.Root.Pages.Kids[page_index].Annots

这是一个 PdfArray 对象。基本上是一个列表。字段名称可在此处找到：

pdf.Root.AcroForm.Fields[field_index].T

其他键包括值.V .AP.N.Resources

下面有一堆显示信息，比如字体等等

但是，如果您更新字段的值并输出 pdf 文件。它可能仅在字段具有焦点时显示值，即被单击。

我还没有想出如何解决这个问题。

Answer 3

此处提供了完整的解决方案：How to edit editable pdf using the pdfrw library?

关键部分是：

template_pdf.Root.AcroForm.update(pdfrw.PdfDict(NeedAppearances=pdfrw.PdfObject('true')))

Answer 4

如果每个字段已编入索引，请使用它来填充它们。

template = PdfReader('template.pdf')
page_c = 0
while page_c < len(template.Root.Pages.Kids): #LOOP through pages
    annot_c = 0
    while annot_c < len(template.Root.Pages.Kids[page_c].Annots): #LOOP through fields
        template.Root.Pages.Kids[page_c].Annots[annot_c].update(PdfDict(V=str(annot_c)+'-'+str(page_c)))
        annot_c=annot_c+1
    page_c=page_c+1
PdfWriter().write('output.pdf', template)

Answer 5

我写了一个基于以下内容的库：'pdfrw'、'pdf2image'、'Pillow'、'PyPDF2' 称为 fillpdf（pip install fillpdf 和 poppler 依赖项 conda install -c conda-forge poppler)

基本用法：

from fillpdf import fillpdfs

fillpdfs.get_form_fields("blank.pdf")

# returns a dictionary of fields
# Set the returned dictionary values a save to a variable
# For radio boxes ('Off' = not filled, 'Yes' = filled)

data_dict = {
'Text2': 'Name',
'Text4': 'LastName',
'box': 'Yes',
}

fillpdfs.write_fillable_pdf('blank.pdf', 'new.pdf', data_dict)

# If you want it flattened:
fillpdfs.flatten_pdf('new.pdf', 'newflat.pdf')

更多信息在这里： https://github.com/t-houssian/fillpdf

如果某些字段未填写，您可以使用 fitz (pip install PyMuPDF) 和 PyPDF2 (pip install PyPDF2)，如下所示根据需要更改点：

import fitz
from PyPDF2 import PdfFileReader

file_handle = fitz.open('blank.pdf')
pdf = PdfFileReader(open('blank.pdf','rb'))
box = pdf.getPage(0).mediaBox
w = box.getWidth()
h = box.getHeight()

# For images
image_rectangle = fitz.Rect((w/2)-200,h-255,(w/2)-100,h-118)
pages = pdf.getNumPages() - 1
last_page = file_handle[pages]
last_page._wrapContents()
last_page.insertImage(image_rectangle, filename=f'image.png')

# For text
last_page.insertText(fitz.Point((w/2)-247 , h-478), 'John Smith', fontsize=14, fontname="times-bold")
file_handle.save(f'newpdf.pdf')

如何使用 Python 填写 PDF 表单

How to fill PDF forms using Python

python

pdf

adobe

pdf-form

pdfrw