「Python-PDF 专栏 」PyPDF2拆分PDF文件、合并单页面PDF、多页面PDF文件

一、本章前言

笔者会力争将Python中所有关于PDF的操作讲的一清二楚，涵盖各种第三方库、标准库的使用说明，如果觉得还不错的话，麻烦给一个订阅哈~

在本章的讲解中，将对如何使用PyPDF2拆分/分割PDF、合并PDF，以及删除PDF中的指定页面进行讲解，希望能帮得到你。

在工作当中，有的时候确实会遇见上面的三种需求，而我们能找得到的大部分软件或工具，都会设置一个付费可用或开通VIP才可以使用，如果我们自己就能实现的话，为什么还要花这个冤枉钱呢？废话不多说，直接开始说干的。

二、PyPDF2 拆分PDF / 分割PDF

在这一节当中，我们的需求是将一个PDF分割成为若干个PDF，便于其余的操作，在某款强大的软件当中，这个功能是必需开通会员的，但是，我们用一段代码，就可以轻松实现了。

1、完整代码

我改一下以往的习惯，我先把代码全都贴出来，然后再解释一下可能需要解释的东西。

from PyPDF2 import PdfReader, PdfWriter  # 导入需要的模块
import os  # 导入操作系统模块

def split_pdf(input_pdf, start_page, end_page, output_folder):  # 定义一个函数，接受输入PDF文件、起始页、结束页和输出文件夹作为参数
    pdf_reader = PdfReader(input_pdf)  # 使用PdfReader打开输入的PDF文件

    for page_num in range(start_page - 1, end_page):  # 遍历指定的页码范围
        pdf_writer = PdfWriter()  # 创建一个PdfWriter对象
        pdf_writer.add_page(pdf_reader.pages[page_num])  # 将指定页添加到PdfWriter对象中

        output_pdf = os.path.join(output_folder, f'page_{page_num+1}.pdf')  # 构建输出文件的路径
        with open(output_pdf, 'wb') as output_file:  # 使用二进制写入模式打开输出文件
            pdf_writer.write(output_file)  # 将PdfWriter对象中的内容写入输出文件

input_pdf = r'E:\UserData\Desktop\123.pdf'  # 输入PDF文件的路径
output_folder = r'E:\UserData\Desktop\result'  # 输出文件夹的路径
start_page = 1  # 起始页码
end_page = 5  # 结束页码

split_pdf(input_pdf, start_page, end_page, output_folder)  # 调用split_pdf函数，按照指定的页码范围分割PDF并保存在输出文件夹中

利用上面的代码，就可以把一份完整的 PDF 按照页码进行分割，分割成为单独的页面，并保存到指定的文件夹当中了。

2、处理结果

我所处理的PDF文件一共包含有五个页面，我要做的是通过上面的代码，将这个PDF按照页数分成五份。第一张图为完整PDF的缩略图，第二张图为分割以后得文件列表。

3、代码解释

其实大部分的函数/命令在代码当中都有对应的注释进行讲解，我写教程追求事无巨细的把所有东西讲给阅读文章的每个人，所以如果你觉得这一部分你想了解的话，可以看一下，如果单纯只是想copy以下代码实现你要的功能，那这第三部分可以跳过去了哈。

• PdfReader
  • 这个函数是PyPDF2库中的一个类，用于打开和读取PDF文件。我们只要给他传一个PDF的路径，他就会返回一个PdfReader对象，对象包含了PDF文件的内容和结构。
  • 在上面的代码中，使用 PdfReader(input_pdf) 来打开输入的PDF文件，并将返回的PdfReader对象赋值给了变量 pdf_reader。
• PdfWriter
  • 这个函数也是PyPDF2库中的一个类，用于创建和写入PDF文件。可以使用它来创建新的PDF文件，并将页面添加到新的文件中。
  • 在我们的示例中，我们使用 PdfWriter() 来创建一个新的PdfWriter对象，并将其赋值给变量 pdf_writer。

说到这里你是不是就明白了？分割/拆分PDF，只是把我们的目标文件当中的每个页面读入内存，然后创建新的文件，把每页写入新文件，就完成了分割PDF的目的了。

三、PyPDF2 合并PDF文件（单页面的PDF文件）

在这一小节当中，我们的需求是将多个PDF文件合并成为一个文件，这个需求我刚好最近有碰到过，比如我们领导要求的是，让我去打印100个PDF，如果我每个PDF都打开，然后点击打印，我需要重复100遍这个操作，我完全可以全部合并为一个PDF，这样我打印一遍就可以了，同样，在某款功能强大的软件里面，它是需要开通VIP权限的，不然页数也有限制，钱省下来去吃烧烤不香吗？

1、完整代码

import os
import PyPDF2

# 创建一个PDF写入对象
pdf_writer = PyPDF2.PdfWriter()

# 指定目录
directory = 'E:\\UserData\\Desktop\\result'

# 遍历目录中的所有文件
for filename in os.listdir(directory):
    if filename.endswith('.pdf'):
        # 打开PDF文件并将页面添加到PDF写入对象中
        pdf_file = open(os.path.join(directory, filename), 'rb')  # 打开PDF文件
        pdf_reader = PyPDF2.PdfReader(pdf_file)  # 创建PDF读取对象
        for page_num in range(len(pdf_reader.pages)):  # 遍历PDF页面
            page = pdf_reader.pages[page_num]  # 获取页面
            pdf_writer.add_page(page)  # 将页面添加到写入对象中
        pdf_file.close()  # 关闭PDF文件

# 将合并后的PDF文件保存到目录中
output_file = open(os.path.join(directory, 'merged_file.pdf'), 'wb')  # 创建合并后的PDF文件
pdf_writer.write(output_file)  # 写入合并后的PDF文件
output_file.close()  # 关闭文件

在上面的代码当中，首先我们给一个目录，就是所有需要合并的PDF文件所在的位置，然后其余的都不用改动了。

2、处理结果

在下图中，红色框选文件是待合并的文件，蓝色框选文件是合并后的文件。

3、代码解释

• os.listdir(directory): Python标准库内置的函数，用于返回指定目录中的文件和子目录的列表。在上面的代码中，我们用它返回指定目录里面PDF文件的列表，然后用于合并。

• os.path.join(directory, filename): os模块中的一个函数，用于将多个路径组合成一个完整的文件路径。在上面的代码中，我们用它来创建PDF文件的完整目录。

• open(file, mode): Python内置的函数，用于打开文件。在上面的代码中，我们用它打开PDF文件，以便后面的处理。

• PyPDF2.PdfReader(pdf_file): PyPDF2库中的函数，用于创建一个PDF读取对象，读取PDF文件的内容，在分割PDF的那一部分当中我们也用到了。

• pdf_writer.add_page(page): PyPDF2库中的函数，用于将页面添加到PDF写入对象中，以便合并多个PDF文件的内容。

• pdf_writer.write(output_file): PyPDF2库中的函数，用于将合并后的PDF文件内容写入到指定的输出文件中。

四、PyPDF2 合并多页面PDF文件

在上一节当中，我们合并的是每个文件只有一个页面的PDF，本节我们来说一下每个文件有多个页面的PDF合并。

1、完整代码

import os  # 导入os模块，用于文件操作
import PyPDF2  # 导入PyPDF2库，用于处理PDF文件

# 创建一个PDF写入对象
pdf_writer = PyPDF2.PdfWriter()

# 指定目录
directory = 'E:\\UserData\\Desktop\\result'  # 设置要处理的目录

# 遍历目录中的所有PDF文件
for filename in os.listdir(directory):  # 遍历指定目录中的文件
    if filename.endswith('.pdf'):  # 如果文件是以.pdf结尾的PDF文件
        # 打开PDF文件并将页面添加到PDF写入对象中
        pdf_file = open(os.path.join(directory, filename), 'rb')  # 以只读二进制模式打开PDF文件
        pdf_reader = PyPDF2.PdfReader(pdf_file)  # 创建PDF读取对象
        for page_num in range(len(pdf_reader.pages)):  # 遍历PDF页面
            page = pdf_reader.pages[page_num]  # 获取页面
            pdf_writer.add_page(page)  # 将页面添加到写入对象中
        pdf_file.close()  # 关闭PDF文件

# 将合并后的PDF文件保存到目录中
output_file = open(os.path.join(directory, 'merged_file.pdf'), 'wb')  # 以只写二进制模式打开合并后的PDF文件
pdf_writer.write(output_file)  # 将合并后的PDF写入到文件中
output_file.close()  # 关闭文件

2、处理结果

下图中蓝色框选的文件为其余几个文件按顺序合并后的文件，其余几个文件都是包含3-5个页面的PDF。

3、代码解释

基本上用到的函数，都在之前已经说明过了，所以这里就不在赘述相同的内容了。