【脚本】 Python 处理PDF文件 给PDF文件添加书签、合并PDF文件、转化PPT文件为PDF文件

一、本文内容

1. 用python实现pdf文件书签的添加
2. 用python实现ppt（或pptx）文件转pdf文件
3. 用python实现合并多个pdf文件为一个文件
4. 用python实现对txt目录文件排版的改变（未完成）
5. 用python实现多个txt目录文件的合并（未完成）

二、具体功能实现

文件夹结构框图

function1：为PDF文件添加书签

1. 所需python库：pyPDF2（自己安装）、os、tkinter
2. 代码

# import
from PyPDF2 import PdfFileReader as pdf_read, PdfFileWriter as pdf_write
import os
from tkinter import filedialog

# file-path
fileinfo = []
temp = filedialog.askopenfilename(title='打开要添加目录的pdf文件', filetypes=[('PDF', '*.pdf'), ('All Files', '*')], initialdir=os.getcwd() + '\\old-pdf')
fullFilepath = temp.replace('/', '\\')
fileinfo.append(fullFilepath)  
file_name = fullFilepath.split('\\')[-1]
fileinfo.append(file_name)     
filepath = fullFilepath.replace(file_name, '')
fileinfo.append(filepath)     

temp = filedialog.askopenfilename(title='打开对应的目录文件', filetypes=[('TXT', '*.txt'), ('All Files', '*')], initialdir=os.getcwd() + '\\old-pdf')
fullFilepath = temp.replace('/', '\\')
fileinfo.append(fullFilepath)  

readFile = fileinfo[0]
content = fileinfo[3]


# read-content
with open(content, 'r', encoding='utf-8') as f:
    directory_list = f.readlines()


# add-content
pdf_write = pdf_write()
with open(readFile, 'rb') as f:
    pdf = pdf_read(readFile)
    pages = pdf.getNumPages()
    # 将测试用.pdf里面的内容拷贝到pdf_write这个pdf对象中
    for i in range(pages):
        page_1 = pdf.getPage(i)
        pdf_write.addPage(page_1)


contentlist1 = []
contentlist2 = []
levelnum1 = 1
levelnum2 = 1


for item in directory_list:
    newitem = item.split()
    if int(newitem[0]) == 0:
        offset = int(newitem[1])
    else:
        level = int(newitem[0])
        title = newitem[1]
        pagenum = int(newitem[2])
        
        if level == 1:
            parent1 = pdf_write.addBookmark('Chap{}  '.format(levelnum1) + title, pagenum + offset)
            contentlist1.append(parent1)
            levelnum1 += 1
            levelnum2 = 1

        if level == 2:
            parent2 = pdf_write.addBookmark('{} - '.format(levelnum2) + title, pagenum + offset, contentlist1[-1])
            contentlist2.append(parent2)
            levelnum2 += 1
            
        if level == 3:
            pdf_write.addBookmark(title, pagenum + offset, contentlist2[-1])


with open(fileinfo[2] + fileinfo[1][0:-4] + '-带书签.pdf', 'wb+') as f:
    pdf_write.write(f)

os.startfile(fileinfo[2])

3. 结果

4. 注意事项

每一行第一个数字是标志位：
    	0是偏移量标志位，0后边的数字是偏移量，可以实负数、0、正数
    			因为有些pdf文件正文前边有封面、前言什么的。需要加个偏移量以保证对应书签能跳转到指定位置
    			偏移量可以通过多次生成带书签的pdf文件来实现，一次不对多试几次
    
    	1表示一级目录，一般是“章”级别
    	2表示二级目录，一般是“节”级别
    	3表示三级目录，一般是“节”下边的级别
    
目录格式排版：
    	首位写标志位 空格 写章节名称 空格 写章节所在页数 （回车换行）
    	...
    	（最后一行不要加回车，即不要留空白行）

function2：批量将PPT文件转化为PDF文件

1. 所需python库：comtypes（自己安装）、tkinter、os
2. 代码

import comtypes.client
from tkinter import filedialog
import os


def file_path():
    # file-path
    temp = filedialog.askdirectory()#(title='打开要处理的PPT文件', filetypes=[('All Files', '*')], initialdir=os.getcwd() + '\\old-pdf')
    fullFilepath = temp.replace('/', '\\')
    return fullFilepath
    

def init_powerpoint():
    powerpoint = comtypes.client.CreateObject("Powerpoint.Application")
    powerpoint.Visible = 1
    return powerpoint


def ppt_to_pdf(powerpoint, inputFileName, outputFileName, formatType=32):
    if outputFileName[-3:] == 'ppt':
        outputFileName = outputFileName[0:-4] + ".pdf"
    if outputFileName[-4:] == 'pptx':
        outputFileName = outputFileName[0:-5] + ".pdf"
        
    deck = powerpoint.Presentations.Open(inputFileName)
    deck.SaveAs(outputFileName, 32)       # formatType = 32 for ppt to pdf
    deck.Close()


def convert_ppt_to_pdf(powerpoint, folder):
    files = os.listdir(folder)
    pptfiles = [f for f in files if f.endswith((".ppt", ".pptx"))]
    for pptfile in pptfiles:
        fullpath = os.path.join(cwd, pptfile)
        ppt_to_pdf(powerpoint, fullpath, fullpath)


if __name__ == "__main__":
    powerpoint = init_powerpoint()
    cwd = file_path()
    convert_ppt_to_pdf(powerpoint, cwd)
    powerpoint.Quit()

    

3. 结果

function3：将一个文件夹下所有PDF文件合并为一个

1. 所需python库：pyPDF2（自己安装）、tkinter、os
2. 代码

import PyPDF2
from tkinter import filedialog
import os


def file_path():
    # file-path
    temp = filedialog.askdirectory()
    fullFilepath = temp.replace('/', '\\')
    return fullFilepath


def convert_pdfs_to_pdf(folder):
    merger = PyPDF2.PdfFileMerger()
    files = os.listdir(folder)
    for pdf in files:
        merger.append(PyPDF2.PdfFileReader(folder + "\\" + pdf))
    merger.write(folder + "\\" + '合并结果.pdf')


if __name__ == "__main__":
    cwd = file_path()
    convert_pdfs_to_pdf(cwd)

3. 结果

function4：更改目录格式

1. PyPDF2（自己安装）、os、tkinter、re
2. 代码

# import
from PyPDF2 import PdfFileReader as pdf_read, PdfFileWriter as pdf_write
import os
from tkinter import filedialog
import re

# file-path
fileinfo = []
temp = filedialog.askopenfilename(title='打开要处理的txt目录文件', filetypes=[('TXT', '*.txt'), ('All Files', '*')], initialdir=os.getcwd() + '\\process-content' )
fullFilepath = temp.replace('/', '\\')
fileinfo.append(fullFilepath)  #0
file_name = fullFilepath.split('\\')[-1]
fileinfo.append(file_name)     #1
filepath = fullFilepath.replace(file_name, '')
fileinfo.append(filepath)     #2

# read-content
with open(fileinfo[0], 'r', encoding='utf-8') as f:
    directory_list = f.readlines()

# process-content
new_directory_list = []
finall_directory_list = []

level1 = ['第一章', '第二章', '第三章', '第四章', '第五章', '第六章', '第七章', '第八章', '第九章', '第十章', '第十一章', '第十二章', '第十三章', '第十四章', '第十五章', '第十六章', '第十七章', '第十八章', '第十九章', '第二十章']
level2 = ['第一节', '第二节', '第三节', '第四节', '第五节', '第六节', '第七节', '第八节', '第九节', '第十节', '第十一节', '第十二节', '第十三节', '第十四节', '第十五节', '第十六节', '第十七节', '第十八节', '第十九节', '第二十节']
level3 = ['一、', '二、', '三、', '四、', '五、']

for item in directory_list:
    item = item.replace('\n', '')
    for i in range(len(level1)):
        if level1[i] in item:
            temp = item.replace(level1[i], '1 ')

    for i in range(len(level2)):
        if level2[i] in item:
            temp = item.replace(level2[i], '2 ')

    for i in range(len(level3)):
        if level3[i] in item:
            temp = item.replace(level3[i], '3 ')

    new_directory_list.append(temp)

for item in new_directory_list:
    list = re.findall(r'\d+', item)
    item = item.replace(list[-1], ' ' + list[-1])
    finall_directory_list.append(item)

with open(fileinfo[2] + fileinfo[1][0:-4] + '-修改后.txt', 'w') as f:
    for item in finall_directory_list:
        f.write(item)
        f.write('\n')

os.startfile(fileinfo[2])

3. 结果

文件目录过长的话不必一个一个打出来，可以用电脑版QQ的图片文字提取
    注意排版：
    	章节章节名称章节页码（回车）	注：章节和章节名称和目录之间不能有空格
    	两个章节之间需要留有空行
	转换形式：
    	第一章 → 1
    	第一节 → 2
    	一、 → 3
    
    	暂不支持其他目录格式的转换，如果需要可以自行对目录修改

注意：目录里面没有偏移量这部分，可以在生成的更改格式后的txt文件中加上偏移量有关描述

function5：合并多个txt目录文件

暂无