PDF İşleme Kılavuzu

Genel Bakış

Bu kılavuz, Python kütüphaneleri ve komut satırı araçlarını kullanarak temel PDF işleme operasyonlarını kapsar. Gelişmiş özellikler, JavaScript kütüphaneleri ve ayrıntılı örnekler için bkz. REFERENCE.md. Bir PDF formu doldurmanız gerekiyorsa, FORMS.md dosyasını okuyun ve talimatlarını izleyin.

Hızlı Başlangıç

from pypdf import PdfReader, PdfWriter

# PDF'i oku
reader = PdfReader("document.pdf")
print(f"Pages: {len(reader.pages)}")

# Metni çıkar
text = ""
for page in reader.pages:
    text += page.extract_text()

Python Kütüphaneleri

pypdf - Temel İşlemler

PDF'leri Birleştir

from pypdf import PdfWriter, PdfReader

writer = PdfWriter()
for pdf_file in ["doc1.pdf", "doc2.pdf", "doc3.pdf"]:
    reader = PdfReader(pdf_file)
    for page in reader.pages:
        writer.add_page(page)

with open("merged.pdf", "wb") as output:
    writer.write(output)

PDF'i Böl

reader = PdfReader("input.pdf")
for i, page in enumerate(reader.pages):
    writer = PdfWriter()
    writer.add_page(page)
    with open(f"page_{i+1}.pdf", "wb") as output:
        writer.write(output)

Metadata Çıkar

reader = PdfReader("document.pdf")
meta = reader.metadata
print(f"Title: {meta.title}")
print(f"Author: {meta.author}")
print(f"Subject: {meta.subject}")
print(f"Creator: {meta.creator}")

Sayfaları Döndür

reader = PdfReader("input.pdf")
writer = PdfWriter()

page = reader.pages[0]
page.rotate(90)  # Saat yönünde 90 derece döndür
writer.add_page(page)

with open("rotated.pdf", "wb") as output:
    writer.write(output)

pdfplumber - Metin ve Tablo Çıkarma

Düzen Koruyan Metin Çıkar

import pdfplumber

with pdfplumber.open("document.pdf") as pdf:
    for page in pdf.pages:
        text = page.extract_text()
        print(text)

Tabloları Çıkar

with pdfplumber.open("document.pdf") as pdf:
    for i, page in enumerate(pdf.pages):
        tables = page.extract_tables()
        for j, table in enumerate(tables):
            print(f"Table {j+1} on page {i+1}:")
            for row in table:
                print(row)

Gelişmiş Tablo Çıkarma

import pandas as pd

with pdfplumber.open("document.pdf") as pdf:
    all_tables = []
    for page in pdf.pages:
        tables = page.extract_tables()
        for table in tables:
            if table:  # Tablo boş değilse kontrol et
                df = pd.DataFrame(table[1:], columns=table[0])
                all_tables.append(df)

# Tüm tabloları birleştir
if all_tables:
    combined_df = pd.concat(all_tables, ignore_index=True)
    combined_df.to_excel("extracted_tables.xlsx", index=False)

reportlab - PDF Oluştur

Temel PDF Oluşturma

from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas

c = canvas.Canvas("hello.pdf", pagesize=letter)
width, height = letter

# Metin ekle
c.drawString(100, height - 100, "Hello World!")
c.drawString(100, height - 120, "This is a PDF created with reportlab")

# Çizgi ekle
c.line(100, height - 140, 400, height - 140)

# Kaydet
c.save()

Birden Fazla Sayfaya Sahip PDF Oluştur

from reportlab.lib.pagesizes import letter
from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer, PageBreak
from reportlab.lib.styles import getSampleStyleSheet

doc = SimpleDocTemplate("report.pdf", pagesize=letter)
styles = getSampleStyleSheet()
story = []

# İçerik ekle
title = Paragraph("Report Title", styles['Title'])
story.append(title)
story.append(Spacer(1, 12))

body = Paragraph("This is the body of the report. " * 20, styles['Normal'])
story.append(body)
story.append(PageBreak())

# Sayfa 2
story.append(Paragraph("Page 2", styles['Heading1']))
story.append(Paragraph("Content for page 2", styles['Normal']))

# PDF oluştur
doc.build(story)

Alt İndis ve Üst İndis

ÖNEMLİ: ReportLab PDF'lerinde asla Unicode alt indis/üst indis karakterleri (₀₁₂₃₄₅₆₇₈₉, ⁰¹²³⁴⁵⁶⁷⁸⁹) kullanmayın. Yerleşik yazı tipleri bu glifleri içermez ve siyah kutular olarak render edilir.

Bunun yerine, Paragraph nesnelerinde ReportLab'ın XML işaret etiketlerini kullanın:

from reportlab.platypus import Paragraph
from reportlab.lib.styles import getSampleStyleSheet

styles = getSampleStyleSheet()

# Alt indisler: <sub> etiketini kullan
chemical = Paragraph("H<sub>2</sub>O", styles['Normal'])

# Üst indisler: <super> etiketini kullan
squared = Paragraph("x<super>2</super> + y<super>2</super>", styles['Normal'])

Canvas üzerine çizilen metin (Paragraph nesneleri değil) için Unicode alt/üst indisler kullanmak yerine font boyutunu ve konumunu manuel olarak ayarlayın.

Komut Satırı Araçları

pdftotext (poppler-utils)

# Metni çıkar
pdftotext input.pdf output.txt

# Düzeni koruyan metin çıkar
pdftotext -layout input.pdf output.txt

# Belirli sayfaları çıkar
pdftotext -f 1 -l 5 input.pdf output.txt  # Sayfalar 1-5

qpdf

# PDF'leri birleştir
qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf

# Sayfaları böl
qpdf input.pdf --pages . 1-5 -- pages1-5.pdf
qpdf input.pdf --pages . 6-10 -- pages6-10.pdf

# Sayfaları döndür
qpdf input.pdf output.pdf --rotate=+90:1  # Sayfa 1'i 90 derece döndür

# Şifreyi kaldır
qpdf --password=mypassword --decrypt encrypted.pdf decrypted.pdf

pdftk (varsa)

# Birleştir
pdftk file1.pdf file2.pdf cat output merged.pdf

# Böl
pdftk input.pdf burst

# Döndür
pdftk input.pdf rotate 1east output rotated.pdf

Yaygın Görevler

Taranmış PDF'lerden Metin Çıkar

# Gerekli: pip install pytesseract pdf2image
import pytesseract
from pdf2image import convert_from_path

# PDF'i resimlere çevir
images = convert_from_path('scanned.pdf')

# Her sayfada OCR yap
text = ""
for i, image in enumerate(images):
    text += f"Page {i+1}:\n"
    text += pytesseract.image_to_string(image)
    text += "\n\n"

print(text)

Filigran Ekle

from pypdf import PdfReader, PdfWriter

# Filigran oluştur (veya mevcut olanı yükle)
watermark = PdfReader("watermark.pdf").pages[0]

# Tüm sayfaları uygula
reader = PdfReader("document.pdf")
writer = PdfWriter()

for page in reader.pages:
    page.merge_page(watermark)
    writer.add_page(page)

with open("watermarked.pdf", "wb") as output:
    writer.write(output)

Resimleri Çıkar

# pdfimages kullanma (poppler-utils)
pdfimages -j input.pdf output_prefix

# Bu tüm resimleri output_prefix-000.jpg, output_prefix-001.jpg vb. olarak çıkarır

Parola Koruması

from pypdf import PdfReader, PdfWriter

reader = PdfReader("input.pdf")
writer = PdfWriter()

for page in reader.pages:
    writer.add_page(page)

# Parola ekle
writer.encrypt("userpassword", "ownerpassword")

with open("encrypted.pdf", "wb") as output:
    writer.write(output)

Hızlı Referans

Görev	En İyi Araç	Komut/Kod
PDF'leri birleştir	pypdf	writer.add_page(page)
PDF'leri böl	pypdf	Her sayfa için ayrı dosya
Metni çıkar	pdfplumber	page.extract_text()
Tabloları çıkar	pdfplumber	page.extract_tables()
PDF oluştur	reportlab	Canvas veya Platypus
Komut satırında birleştir	qpdf	qpdf --empty --pages ...
Taranmış PDF'lerden OCR	pytesseract	Önce resme çevir
PDF formu doldur	pdf-lib veya pypdf (bkz. FORMS.md)	Bkz. FORMS.md

Sonraki Adımlar

• Gelişmiş pypdfium2 kullanımı için bkz. REFERENCE.md
• JavaScript kütüphaneleri (pdf-lib) için bkz. REFERENCE.md
• Bir PDF formu doldurmanız gerekiyorsa, FORMS.md dosyasındaki talimatları izleyin
• Sorun giderme kılavuzları için bkz. REFERENCE.md