在日常工作中我們經常需要從一個大的PDF文件中提取我們所需要的頁面，所以今天我們將教你用Django + PyPDF2開發個小Web應用: 使用者上傳一個PDF文件，輸入需要提取的頁面號碼，點選確定後瀏覽器會自動給使用者返回想提取的PDF頁面。如果你要練習這個專案，你首先要確保已安裝Django 2.X + Python 3.X。如果你還沒有安裝PyPDF2，可以通過pip install PyPDF2安裝好這個第三方包。如果你喜歡我們的原創文章，歡迎關注我們的微信公眾號【Python與Django大咖之路】。

專案開發總體思路

我們的開發思路是這樣子的。我們設計一個表單，讓使用者上傳PDF檔案和輸入提取頁面號碼。伺服器在收到PDF檔案後使用PyPDF2讀取使用者上傳的PDF檔案，提取我們所需要的頁面，然後通過HttpResponse將這個新生成的PDF檔案通過瀏覽器返回給客戶。

因為這個應用很簡單，我們只需要開發一個功能性頁面，也不需要建立什麼模型Models。重點要編寫的是檢視views.py, 用來處理使用者的請求。

第一步 建立專案，設計URL

在CMD終端裡輸入python manage.py startapp pdf建立一個叫pdf的app，然後把這個app加入到你的myproject/settings.py裡INSTALLED_APPS去。

#myproject/settings.py

INSTALLED_APPS = [
'django.contrib.admin',
    'django.contrib.auth',
    'django.contrib.contenttypes'
 
,
    'django.contrib.sessions',
    'django.contrib.messages',
    'django.contrib.staticfiles',
    'pdf',
]

# pdf/urls.py

from django.urls import path
from . import views

# namespace
app_name = 'pdf'

urlpatterns = [
    # 上傳pdf，使用者輸入需要提取的頁面, 返回需要提取的頁面
    path('extract/', views.pdf_extract, name='pdf_extract'),
 
]

同時我們應將上述urls加入到myproject/urls.py裡去。這樣當用戶通過瀏覽器訪問/pdf/extract/時，伺服器就會呼叫我們views裡的pdf_extract方法來處理使用者的請求。

from django.contrib import admin
from django.urls import path, include


# 對於處理靜態檔案如圖片，CSS和文字非常重要
from django.conf import settings
from django.conf.urls.static import static

urlpatterns = [
    path('admin/', admin.site.urls),
    path('pdf/', include('pdf.urls')),

] + static(settings.MEDIA_URL, document_root=settings.MEDIA_ROOT)

第二步 設計表單forms.py

因為我們在檢視view裡需要使用到上傳檔案的表單，所以我們這裡先設計表單。這個表單非常簡單，只有2個欄位。如下所示。

# pdf/forms.py

from django import forms


class PdfUploadForm(forms.Form):
    file = forms.FileField(label="上傳PDF檔案")
    page = forms.IntegerField(min_value=1, label="輸入抓取頁碼")

第三步 編寫檢視views.py

檢視view是本專案中最重要的部分。其總體思路，我已經在程式碼中加了很多註釋幫你理解。PyPDF2功能強大，可以提取PDF檔案裡的文字，也可以抓取PDF檔案中的某個頁面，還可以建立新的PDF檔案, 比Django文件裡提到的reportlab要好很多。

# pdf/views.py

from django.shortcuts import render
from django.http import HttpResponse
from .forms import PdfUploadForm
import PyPDF2


# Create your views here.
def pdf_extract(request):
    if request.method == 'POST':
        # 如果使用者通過POST提交
        form = PdfUploadForm(request.POST, request.FILES)
        if form.is_valid():
            # 如表單通過驗證，獲取提取檔案頁碼
            page_num = int(request.POST.get("page"))
            # pdf文件頁碼物件編碼是從0開始，所以減1
            page_index = page_num - 1
            # 獲取上傳的檔案物件
            f = request.FILES['file']
            
            # 開啟上傳的檔案，寫入新PDF檔案
            with open('original.pdf', 'wb+') as pdfFileObj:
                for chunk in f.chunks():
                    pdfFileObj.write(chunk)
                # 利用PyPDF2讀取新的PDF檔案
                pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
                # 利用PyPDF2提取頁碼物件
                pageObj = pdfReader.getPage(page_index) 
                # 利用PyPDF2建立新的PDF檔案物件
                pdfWriter = PyPDF2.PdfFileWriter()
                # 新增已讀取的頁面物件
                pdfWriter.addPage(pageObj)
                # 將提取頁面寫入新的PDF檔案
                with open('extracted_pages.pdf', 'wb') as pdfOutputFile:
                    pdfWriter.write(pdfOutputFile)
                # 開啟新的PDF檔案，通過HttpResponse輸出
                with open('extracted_pages.pdf', 'rb') as pdfExtract:
                    response = HttpResponse(pdfExtract.read(), content_type='application/pdf')
                    response['Content-Disposition'] = 'attachment; filename="extracted_page_{}.pdf"'.format(page_num)
                    return response

else:
        # 如果使用者沒有通過POST，提交生成空表單
        form = PdfUploadForm()
        return render(request, 'pdf/pdf_upload.html', {'form': form})

上述程式碼中最值得需要你注意的地方是我們如何通過HttpReponse將生成的pdf文件返回給使用者的。下行程式碼是最重要的，它不僅讀取了開啟的pdf檔案的內容，還指定了返回內容型別是pdf檔案, 否則會出現亂碼。

• response = HttpResponse(pdfExtract.read(), content_type='application/pdf')

第四步 編寫模板template

模板檔案非常簡單，如下所示。我們在pdf資料夾裡建立了一個templates資料夾，又在裡面建立了一個新的pdf資料夾，然後把模板檔案放裡面了。至於為什麼我們這麼佈局，請閱讀Django專案推薦性的檔案與資料夾佈局。

# pdf/templates/pdf/pdf_upload.html

{% block content %}
<h3>上傳pdf檔案, 輸入頁面號碼提取頁面</h3>
<form method="post" enctype="multipart/form-data" action="">{% csrf_token %}
    {{ form.as_p }}
    <input type="submit" value="確定" />
</form>
{% endblock %}

第五步 檢視效果

現在你在CMD終端裡輸入python manage.py runserver。在瀏覽器中開啟http://127.0.0.1:8000/pdf/extract/你就可以看到如下效果了。

第六步 想想需要改進的地方

整個專案離實際應用還有許多需要改進的地方，比如:

• 使用者輸入的頁碼超過了PDF檔案總頁數怎麼辦?

• 如果使用者上傳的不是PDF檔案怎麼處理？

• 如果使用者想一次提取多個檔案怎麼辦？比如1, 3, 5, 7...

這些問題就留給讀者你思考吧，如果有問題，也歡迎給我們留言。