ملف PDF

# دليل معالجة ملفات PDF

## نظرة عامة

يغطي هذا الدليل عمليات معالجة ملفات PDF الأساسية باستخدام مكتبات Python وأدوات سطر الأوامر. للحصول على الميزات المتقدمة ومكتبات JavaScript والأمثلة التفصيلية، راجع REFERENCE.md. إذا كنت بحاجة إلى ملء نموذج PDF، فاقرأ FORMS.md واتبع تعليماته.

## البدء السريع

```python from pypdf import PdfReader, PdfWriter

# Read a PDF reader = PdfReader("document.pdf") print(f"Pages: {len(reader.pages)}")

# Extract text text = "" for page in reader.pages: text += page.extract_text() ```

## مكتبات Python

### pypdf - العمليات الأساسية

#### دمج ملفات PDF ```python 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) ```

#### تقسيم ملف PDF ```python 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) ```

#### استخراج البيانات الوصفية (Metadata) ```python 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}") ```

#### تدوير الصفحات ```python reader = PdfReader("input.pdf") writer = PdfWriter()

page = reader.pages[0] page.rotate(90) # Rotate 90 degrees clockwise writer.add_page(page)

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

### pdfplumber - استخراج النصوص والجداول

#### استخراج النص مع التخطيط ```python import pdfplumber

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

#### استخراج الجداول ```python 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) ```

#### استخراج الجداول المتقدم ```python 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: # Check if table is not empty df = pd.DataFrame(table[1:], columns=table[0]) all_tables.append(df)

# Combine all tables if all_tables: combined_df = pd.concat(all_tables, ignore_index=True) combined_df.to_excel("extracted_tables.xlsx", index=False) ```

### reportlab - إنشاء ملفات PDF

#### إنشاء ملف PDF أساسي ```python from reportlab.lib.pagesizes import letter from reportlab.pdfgen import canvas

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

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

# Add a line c.line(100, height - 140, 400, height - 140)

# Save c.save() ```

#### إنشاء ملف PDF بصفحات متعددة ```python 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 = []

# Add content 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())

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

# Build PDF doc.build(story) ```

#### الأحرف السفلية والعلوية (Subscripts and Superscripts)

**هام**: لا تستخدم أبدا أحرف Unicode السفلية/العلوية (₀₁₂₃₄₅₆₇₈₉, ⁰¹²³⁴⁵⁶⁷⁸⁹) في ملفات PDF التي تم إنشاؤها باستخدام ReportLab. لا تتضمن الخطوط المضمنة هذه الرموز، مما يتسبب في عرضها كمربعات سوداء صلبة.

بدلا من ذلك، استخدم علامات ترميز XML الخاصة ب ReportLab في كائنات Paragraph: ```python from reportlab.platypus import Paragraph from reportlab.lib.styles import getSampleStyleSheet

styles = getSampleStyleSheet()

# Subscripts: use <sub> tag chemical = Paragraph("H<sub>2</sub>O", styles['Normal'])

# Superscripts: use <super> tag squared = Paragraph("x<super>2</super> + y<super>2</super>", styles['Normal']) ```

بالنسبة للنصوص المرسومة على canvas (وليس كائنات Paragraph)، اضبط حجم الخط وموضعه يدويا بدلا من استخدام أحرف Unicode السفلية/العلوية.

## أدوات سطر الأوامر

### pdftotext (poppler-utils) ```bash # Extract text pdftotext input.pdf output.txt

# Extract text preserving layout pdftotext -layout input.pdf output.txt

# Extract specific pages pdftotext -f 1 -l 5 input.pdf output.txt # Pages 1-5 ```

### qpdf ```bash # Merge PDFs qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf

# Split pages qpdf input.pdf --p ```