实用 | 手把手教你用Python分割与合并PDF

访问flyai.club,一键创建你的人工智能项目。

在工作中,可能会涉及处理 pdf 文件,PyPDF2提供了读,分割,合并,文件转换等多种操作,可以让你轻松的处理 pdf 文件。在本文中,我们将学习如何简单的拆分与合并PDF文件。


文档地址 :https://pythonhosted.org/PyPDF2/


入门


PyPDF2并不是Python标准库的一部分,因此需要自己安装。最好的方式就是使用pip。


pip install pypdf2


开始学习吧~



拆分PDF


PyPDF2能够将单个PDF分成多个PDF。你只需要告诉它你想要多少页。在这个例子中,我们将从IRS载一个W9表格并遍历,然后拆分每6页并将其转换为自己的独立PDF。


让我们来看看如何:

# pdf_splitter.py import osfrom PyPDF2 import PdfFileReader, PdfFileWriter
 
 def pdf_splitter(path):
    fname = os.path.splitext(os.path.basename(path))[0] 
    pdf = PdfFileReader(path)
    for page in range(pdf.getNumPages()):
        pdf_writer = PdfFileWriter()
        pdf_writer.addPage(pdf.getPage(page)) 
        output_filename = '{}_page_{}.pdf'.format(
            fname, page+1) 
        with open(output_filename, 'wb') as out:
            pdf_writer.write(out)         print('Created: {}'.format(output_filename)) if __name__ == '__main__':
    path = 'w9.pdf'
    pdf_splitter(path)复制代码

对于这个例子,我们需要导入PdfFileReaderPdfFileWriter。然后创建一个有趣的小函数pdf_splitter。它接受输入PDF的路径。该函数的第一行将获取输入文件的名称,减去扩展名。接下来我们打开PDF并创建一个阅读器对象。然后我们使用reader对象的getNumPages方法遍历所有页面。


在for循环的内部,我们创建了一个PdfFileWriter的实例。然后,我们使用addPage方法将页面添加到我们的writer对象。这个方法接受一个页面对象,所以为了得到页面对象,我们调用reader对象的getPage方法。现在我们已经为我们的作者对象添加了一个页面。下一步是创建一个唯一的文件名,我们通过使用原始文件名加上单词“page”加上页码+ 1来完成。我们添加一个,因为PyPDF2的页码是从零开始的,所以第0页实际上是第1页。


最后,我们以写入二进制模式打开新的文件名,并使用PDF write对象的写入方法将对象的内容进行存储。


合并多个PDF


现在我们有了一堆PDF,如何把它们合并到一起?


在PyPDF发布时,合并多个PDF的唯一方法就是这样:

# pdf_merger.py import globfrom PyPDF2 import PdfFileWriter, PdfFileReader
 def merger(output_path, input_paths):
    pdf_writer = PdfFileWriter()     for path in input_paths:
        pdf_reader = PdfFileReader(path)
        for page in range(pdf_reader.getNumPages()):
            pdf_writer.addPage(pdf_reader.getPage(page)) 
    with open(output_path, 'wb') as fh:
        pdf_writer.write(fh) 
 if __name__ == '__main__':
    paths = glob.glob('w9_*.pdf')
    paths.sort()
    merger('pdf_merger.pdf', paths)复制代码

对于每个PDF路径,我们都创建一个PdfFileReader对象,然后遍历它的页面,将每个页面添加到我们的writer对象。然后我们写出writer对象的内容到磁盘。

通过创建一个PdfFileMerger对象,PyPDF2让操作更简单一些:

# pdf_merger2.py import globfrom PyPDF2 import PdfFileMerger
 def merger(output_path, input_paths):
    pdf_merger = PdfFileMerger()
    file_handles = []     for path in input_paths:
        pdf_merger.append(path) 
    with open(output_path, 'wb') as fileobj:
        pdf_merger.write(fileobj) if __name__ == '__main__':
    paths = glob.glob('w9_*.pdf')
    paths.sort()
    merger('pdf_merger2.pdf', paths)复制代码

在这里,我们只需要创建PdfFileMerger对象,然后遍历PDF路径,将它们附加到我们的合并对象。PyPDF2会自动附加整个文档,所以你不需要循环遍历每个文档的所有页面。然后我们将它写出到磁盘。

PdfFileMerger类也有一个合并,可以使用该方法。它的代码定义如下所示:

def merge(self, position, fileobj, bookmark=None, pages=None, import_bookmarks=True):        """
        Merges the pages from the given file into the output file at the
        specified page number.
 
        :param int position: The *page number* to insert this file. File will
            be inserted after the given number.
 
        :param fileobj: A File Object or an object that supports the standard read
            and seek methods similar to a File Object. Could also be a
            string representing a path to a PDF file.
 
        :param str bookmark: Optionally, you may specify a bookmark to be applied at
            the beginning of the included file by supplying the text of the bookmark.
 
        :param pages: can be a :ref:`Page Range ` or a ``(start, stop[, step])`` tuple
            to merge only the specified range of pages from the source
            document into the output document.
 
        :param bool import_bookmarks: You may prevent the source document's bookmarks
            from being imported by specifying this as ``False``.
        """复制代码

试一试,看看你能做什么。


原文:http://www.blog.pythonlibrary.org/2018/04/11/splitting-and-merging-pdfs-with-python/#more-7268


— End —


你可能感兴趣的:(实用 | 手把手教你用Python分割与合并PDF)