PyPDF2无损切割PDF页面（将A3尺寸的PDF一分为二的更优方案）

上一篇文章（https://www.jianshu.com/p/c35ed87ebb30）说到，利用pymupdf和pillow模块将A3尺寸的PDF转换为两张A4大小的页面，基本满足了使用要求。但是，效果仍然不够理想。因为pdf转化成图片的过程中必然存在数据的压缩，这将导致文件的清晰度降低。放大4倍后的对比如下，转换后的图片放大后明显模糊：

原始效果

转为图片后再打印成pdf

最理想的方法是像“A-PDF Page Cut”软件那样直接在原文件上裁剪。我一直认为：“对于大多数人来说，只要是你能想到的，那么世界上大概率早有实现了。”本着精益求精的态度，继续挖掘python的潜力，皇天不负有心人，终于又找到了一个PyPDF2模块。与pymupdf模块相比，PyPDF2的功能很简单，本身只实现了四个类，但是却能够直接对pdf文件进行裁剪，可谓小而精。需要注意的一点是，这个模块的坐标系和Javascript不一样，它是以左下角作为原点，而JS的原点在左上角。
具体实现代码如下：

# -*- coding: UTF-8 -*-  
from PyPDF2 import PdfFileReader, PdfFileWriter
import os
from pathlib import Path

def split_pdf(infile, out_path):
    if not os.path.exists(out_path):
        os.makedirs(out_path)
    with open(infile, 'rb') as infile:
    
        pdfReader = PdfFileReader(infile)
        number_of_pages = pdfReader.getNumPages()  
        
        for i in range(number_of_pages):

            page = pdfReader.getPage(i)
            width = float(page.mediaBox.getWidth())
            height = float(page.mediaBox.getHeight())
        
            pdfReader=PdfFileReader(infile)  
            pdfWriter = PdfFileWriter()    
            page_top = pdfReader.getPage(i)
            page_top.mediaBox.lowerLeft = (0,0)
            page_top.mediaBox.lowerRight = (width/2,0)
            page_top.mediaBox.upperLeft = (0,height)
            page_top.mediaBox.upperRight = (width/2,height)
            pdfWriter.addPage(page_top)
            out_file_name = out_path + Path(str(infile)).stem+str(i+1)+'_left.pdf'
            with open(out_file_name, 'wb') as outfile:
                pdfWriter.write(outfile) 
            
            #bottom page
            pdfReader=PdfFileReader(infile)  
            pdfWriter = PdfFileWriter()    
            page_buttom = pdfReader.getPage(i)
            page_buttom.mediaBox.lowerLeft = (width/2,0)
            page_buttom.mediaBox.lowerRight = (width,0)
            page_buttom.mediaBox.upperLeft = (width/2,height)
            page_buttom.mediaBox.upperRight = (width,height)
    
            pdfWriter.addPage(page_buttom)   
            out_file_name = out_path + Path(str(infile)).stem + str(i+1)+'_right.pdf' 
            with open(out_file_name, 'wb') as outfile:
                pdfWriter.write(outfile) 

if __name__ == '__main__':
    p=Path.cwd()
    filelist = list(p.glob('*.pdf'))
    for i in filelist:
        in_File = Path(str(i))
        out_Path = './Single/' 
        split_pdf(in_File, out_Path)

新方法放大4倍后的效果如图：

更好的效果

新方法的文字清晰度与原图完全一致。至此，可以说完美解决了问题。
其实上一版的解决方案也不是毫无用处，如果碰到不想让别人复制文件里的文字，希望至少给提取增加点难度的情况时，可以将pdf页面转成图片，然后再打印成pdf。那样对方要提取内容就只能靠OCR了，文件的保密性还是能够提高一点点的。

下一步计划仔细研究一下这个模块的源代码，看看能不能移植到C++语言里编译成exe程序，python源码打包后巨大的体积实在不利于传播。

补充

1. 闲下来的时候又仔细看了一下pymupdf模块的文档，细看之下，不禁虎躯一震，看文档不仔细，颇觉惭愧。文件无损转换方案赫然在目！源码如下：

"""
Create a PDF copy with split-up pages (posterize)
---------------------------------------------------
License: GNU AFFERO GPL V3
(c) 2018 Jorj X. McKie

Usage
------
python posterize.py input.pdf

Result
-------
A file "poster-input.pdf" with 4 output pages for every input page.

Notes
-----
(1) Output file is chosen to have page dimensions of 1/4 of input.

(2) Easily adapt the example to make n pages per input, or decide per each
    input page or whatever.

Dependencies
------------
PyMuPDF 1.12.2 or later
"""
import fitz, sys
infile = sys.argv[1]  # input file name
src = fitz.open(infile)
doc = fitz.open()  # empty output PDF

for spage in src:  # for each page in input
    r = spage.rect  # input page rectangle
    d = fitz.Rect(spage.cropbox_position,  # CropBox displacement if not
                  spage.cropbox_position)  # starting at (0, 0)
    #--------------------------------------------------------------------------
    # example: cut input page into 2 x 2 parts
    #--------------------------------------------------------------------------
    r1 = r / 2  # top left rect
    r2 = r1 + (r1.width, 0, r1.width, 0)  # top right rect
    r3 = r1 + (0, r1.height, 0, r1.height)  # bottom left rect
    r4 = fitz.Rect(r1.br, r.br)  # bottom right rect
    rect_list = [r1, r2, r3, r4]  # put them in a list

    for rx in rect_list:  # run thru rect list
        rx += d  # add the CropBox displacement
        page = doc.new_page(-1,  # new output page with rx dimensions
                           width = rx.width,
                           height = rx.height)
        page.show_pdf_page(
                page.rect,  # fill all new page with the image
                src,  # input document
                spage.number,  # input page number
                clip = rx,  # which part to use of input page
            )

# that's it, save output file
doc.save("poster-" + src.name,
         garbage=3,  # eliminate duplicate objects
         deflate=True,  # compress stuff where possible
)

2. 还有一个比较简单的方案

这个方法比较适合没有编程经验的小白，下载安装mupdf软件（免费的），在命令行输入如下命令：

mutool poster [-x |-y] [number] input.pdf output.pdf

可以快速分割当前文件，其中各参数含义是：

• -x：沿水平方向平均分割
• -y： 沿垂直方向平均分割
• number：分割块数
• input.pdf：原文件名
• output.pdf：分割后的文件名