Как при использовании PyPDF2 для Python перенести данные в формате CSV в существующий PDF-файл с пустыми полями формы?

В примере открывается один PDF-файл с помощью программы чтения, а затем копируется в программу записи. Этот шаг является обязательным, поскольку вы не можете открыть PDF-файл для «редактирования» с помощью PyPDF2. Код примера также сохраняет его в другой файл, создавая копию на диске. Я бы сказал, что этот пример соответствует шаблону пустого PDF-файла с полями, который служит шаблоном, и они ожидают, что вы захотите создать заполненные копии на основе динамических данных. Я предполагаю, что из ваших данных Google Forms вам понадобится один PDF-файл для каждой строки отправленных значений формы. Если да, читайте дальше.

Кроме того, если вам не нужен конкретно PyPDF2, рассмотрите pypdf : усилия, которые были направлены на PyPDF2, были изменены на pypdf. Чтение из pypdf: Назад к истокам (2023-сегодня):

Чтобы упростить задачу новичкам, PyPDF2 был снова объединен с pypdf. Теперь все строчные, без цифр. Мы надеемся, что к нам присоединятся и разработчики PyPDF3 и PyPDF4.

Если не считать этого... Я бы начал как можно проще и постепенно продвигался вверх.

Я создал этот простой PDF-файл (который вы можете скачать и следить за ним) всего с двумя полями: «Имя» и «Любимый цвет»:

Я буду использовать pypdf, чтобы получить имена полей:

from pypdf import PdfReader

reader = PdfReader("form.pdf")
page = reader.pages[0]
fields = reader.get_fields()

print(fields)

и я получаю:

{
    'Name': {'/T': 'Name', '/FT': '/Tx'},
    'Fav_color': {'/T': 'Fav_color', '/FT': '/Tx'}
}

Часть {'/T' ...} не имеет значения, только имена клавиш, Name и Fav_color.

Затем используйте эту программу чтения и попробуйте обновить Name и Fav_color:

from pypdf import PdfWriter

writer = PdfWriter()
writer.append(reader)

fields = {"Name": "Alice", "Fav_color": "blue"}

writer.update_page_form_field_values(
    writer.pages[0],
    fields,
    auto_regenerate=False,
)

with open("filled-out.pdf", "wb") as output_stream:
    writer.write(output_stream)

Открываю заполненный .pdf, а он выглядит так:

так что это сработало! Затем я попытался объединить это в функцию, которая позволяла бы мне указать новое имя и значения полей, которые нужно использовать:

def fill_out_pdf(new_name: str, fields: dict[str, str]):
    reader = PdfReader("form.pdf")
    page = reader.pages[0]

    writer = PdfWriter()
    writer.append(reader)

    writer.update_page_form_field_values(
        writer.pages[0],
        fields,
        auto_regenerate=False,
    )

    with open(new_name, "wb") as output_stream:
        writer.write(output_stream)


fill_out_pdf("filled-out.pdf", {"Name": "Alice", "Fav_color": "blue"})

и это выглядит так же, как указано выше.

После этого я мог бы попытаться интегрировать динамические данные из CSV:

Name,Favorite color
Alice,blue
Bobbie,blue
Charlie,vermilion

Для простоты в этом примере я буду использовать csv.reader и сопоставлять позиции полей CSV в строке (отсчет от 0) с именами полей PDF, 0 → имя, 1 → любимый цвет:

import csv

with open("input.csv", newline = "") as f:
    reader = csv.reader(f)
    next(reader)  # skip header
    rows = list(reader)

for row in rows:
    name = row[0]
    fav_color = row[1]

    new_name = f"{name}.pdf"
    fields = {"Name": name, "Fav_color": fav_color}

    fill_out_pdf(new_name, fields)

Когда я запускаю это, я получаю три PDF-файла, которые выглядят так:

Тем не менее, это очень простой пример: всего одна страница PDF и никаких проблем с самим PDF-файлом.

Такая работа может быстро усложниться, поскольку проблемы с самим PDF-файлом могут привести к тому, что любое поле может выглядеть неправильно. Я работал над проектом, в котором одно поле из более чем 300 полей отображалось неправильно в сохраненной заполненной версии: явно не проблема с программой Python... просто что-то глубокое, в PDF-файле. Так что будьте внимательны и удачи!

Первоначальная концепция Acrobat Forms принадлежала не только Adobe, но они приобрели права на Acello JetForms, что послужило основанием для обесценивания XFA (чего следует избегать).

Цель заключалась в том, чтобы обеспечить быструю текстовую передачу «только данных» из PDF-файла на принимающий сервер электронной почты. Теперь это обычно делается более безопасно через PHP-сервер https://.

Основная технология очень проста: вы заставляете пользователя нажать кнопку отправки и автоматически сохранить входящий текст в базе данных. И наоборот, вам не нужно много раздутых форм, просто «Пустой шаблон» и данные через одноразовую текстовую обертку для отправки наружу.

Система достаточно сложна, чтобы передавать изображения, но редко используется таким образом, поскольку ею сложно управлять. Здесь мы видим справа устаревшую возможность Adobe Reader, которая позволяет программно импортировать и экспортировать данные.

Требование состоит в том, чтобы значение /Value (переменная в текстовой, шестнадцатеричной или другой кодировке передачи) было связано с полем /Tagged или /Titled (предпочтительно нижний регистр). Порядок не имеет значения, и /T может присутствовать без /V, но должно быть в паре, если /Value должно быть назначено. В обычном тексте пара ключей или отдельный тег должны быть обернуты << /(ключ) (пара) /(ключ) (пара) >>

%FDF-1.4
1 0 obj<</FDF <</F (SO-form.pdf)/Fields [<<

/V (Goldenrod Yellow) /T (Fav_color)
>> <<
/T (Name) /V (Alice Pleasance Liddell)

>>] /ID [<D549C1EB4E09240A886799276170ED1A> <D549C1EB4E09240A886799276170ED1A>]/UF (SO-form.pdf)>>/Type /Catalog>>endobj
trailer
<</Root 1 0 R>>
%%EOF

Многие высокоскоростные заполнители форм PDF используют этот метод в той или иной ФОРМЕ. Adobe предоставила разработчикам набор инструментов FDF.

Для Python есть несколько, которые, вероятно, все еще используют устаревшие возможности PDFtk. Но существуют различия между использованием формата версии 1.2 и 1.4.

Основная причина, я добавляю эту историю.

Поясним: вам следует использовать ТОЛЬКО этот подход типа FDF при редактировании других форм XFA.

В противном случае достаточно хрупкие внутренние структуры почти наверняка будут нарушены, в первую очередь потому, что он использует идентификатор для имени файла и действий, связанных с соответствующими данными.