使用Python合并PDF文件并添加自定义目录及页脚

在处理文档时，我们经常遇到需要合并多个PDF文件并添加目录及页脚的情况。本文将介绍如何使用Python，特别是PyPDF2和reportlab库来实现这一功能。我们将通过一个实用的示例来演示整个过程，包括如何动态创建目录页和在每页底部添加页码。

步骤一：准备环境

首先，确保你的环境中安装了PyPDF2和reportlab库。如果还没有安装，可以通过以下命令进行安装：

pip install PyPDF2 reportlab

步骤二：合并PDF文件

我们首先定义一个函数add_catalog_page(bookmarks)来创建一个包含目录的PDF页面。这个目录基于传入的书签列表动态生成，每个书签对应一个文档标题和其开始的页码。

接下来，使用create_footer_page(footer_text)函数为每个PDF页面添加自定义页脚。这个函数通过绘制一个足够大的白色矩形来覆盖原有的页码，然后在指定位置添加新的页码文本。

步骤三：处理特定文件

在合并多个PDF文件之前，我们可能需要调整它们的顺序。在本例中，我们将特定的文件（如"第一篇.pdf"）移动到文件列表的开头，以确保它作为合并后PDF文档的第一个文件出现。

步骤四：合并并添加目录与页脚

遍历每个PDF文件，读取其页面，并将它们添加到一个列表中。同时，我们记录每个文件的标题和起始页码，用于生成目录页。

在所有页面都处理完毕后，我们首先将目录页添加到最终的PDF文档中，然后为每个页面添加页脚，并将它们一一加入到文档中。

步骤五：保存最终文档

完成所有页面的处理和添加后，我们将这些页面写入到一个新的PDF文件中，完成了合并、添加目录和页脚的整个过程。

结语

通过上述步骤，我们展示了如何使用Python处理PDF文件，包括合并多个PDF文件、动态创建目录页和在每页底部添加自定义页脚。这种方法不仅提高了文档处理的自动化程度，也为管理和阅读PDF文档提供了便利。希望这篇文章能帮助到需要进行PDF文档处理的读者。

完整代码

import io
import os

from PyPDF2 import PdfReader
from PyPDF2 import PdfWriter
from reportlab.lib.pagesizes import letter
from reportlab.pdfbase.pdfmetrics import stringWidth
from reportlab.pdfgen import canvas


def create_footer_page(footer_text):
    packet = io.BytesIO()
    c = canvas.Canvas(packet, pagesize=letter)
    width, height = letter  # letter页面的宽度和高度
    font_name = "Helvetica"  # 使用的字体
    font_size = 12  # 字体大小
    cover_height = font_size + 4  # 覆盖区域的高度稍大于字体大小，以确保完全覆盖原有页码
    cover_y_position = 28  # 覆盖区域的Y位置，根据需要进行调整以确保覆盖原有页码

    # 计算文本宽度和起始X位置以居中文本
    text_width = c.stringWidth(footer_text, font_name, font_size)
    text_start_position = (width - text_width) / 2

    # 绘制一个足够大的白色矩形以覆盖原有页码
    c.setFillColorRGB(1, 1, 1)  # 设置填充颜色为白色
    c.rect(0, cover_y_position, width, cover_height, stroke=False, fill=True)

    # 在页脚区域居中添加文本，高度可以根据需要调整
    c.setFont(font_name, font_size)  # 设置字体和大小
    c.setFillColorRGB(0, 0, 0)  # 设置文本颜色为黑色
    c.drawString(text_start_position, 32, footer_text)  # 绘制居中的页脚文本

    c.save()
    packet.seek(0)
    return PdfReader(packet)


def add_catalog_page(bookmarks):
    packet = io.BytesIO()
    c = canvas.Canvas(packet, pagesize=letter)
    width, height = letter
    top_margin = 60  # 顶部留白增加
    bottom_margin = 60  # 底部留白增加
    y_position = height - top_margin  # 根据顶部留白调整初始y_position
    c.setFont("Helvetica-Bold", 16)  # 设置标题的字体和大小
    c.drawString(280, y_position, "Directory")  # 在顶部绘制标题“目录”
    y_position -= 30  # 更新y_position以为目录项留出空间

    c.setFont("Helvetica", 12)  # 设置目录项的字体和大小
    left_margin = 72
    right_margin = width - 72
    dot_space = 5  # 点间隔可调整
    different_title_spacing = 25  # 不同标题之间的间隔
    same_title_line_spacing = 15  # 同一个标题换行的间隔
    split_ratio = 0.9  # 定义分割点的位置比例

    for title, page_number in bookmarks:
        available_width = right_margin - left_margin - dot_space * 2  # 计算可用宽度
        title_width = stringWidth(title, "Helvetica", 12)
        page_number_str = str(page_number)
        page_number_width = stringWidth(page_number_str, "Helvetica", 12)

        # 判断标题是否需要分割
        if title_width > available_width * split_ratio:
            # 寻找分割点
            split_title = title
            while stringWidth(split_title + "-", "Helvetica", 12) > available_width * split_ratio:
                split_title = split_title[:-1]
            split_title += "-"
            c.drawString(left_margin, y_position, split_title)
            y_position -= same_title_line_spacing  # 分割后的第二行位置向下调整，间隔小一点
            title = title[len(split_title) - 1:]

        # 绘制标题
        c.drawString(left_margin, y_position, title)

        # 绘制页码
        c.drawRightString(right_margin, y_position, page_number_str)

        # 绘制点线
        dot_line_start = left_margin + stringWidth(title, "Helvetica", 12) + 10
        dot_line_end = right_margin - page_number_width - 10
        current_position = dot_line_start

        while current_position < dot_line_end:
            c.drawString(current_position, y_position, ".")
            current_position += dot_space

        y_position -= different_title_spacing  # 移到下一个标题，间隔大一点
        if y_position < bottom_margin:  # 根据底部留白调整翻页判断
            c.showPage()
            y_position = height - top_margin  # 重置y_position时也考虑顶部留白
            c.setFont("Helvetica", 12)  # 确保新页面开始时使用正确的字体和大小

    c.save()
    packet.seek(0)
    return PdfReader(packet)


# 读取PDF/路径下所有.pdf为后缀的文件
pdf_dir = '我的论文集/'
pdf_files = sorted([f for f in os.listdir(pdf_dir) if f.endswith('.pdf')])

# 找到特定文件并将其移动到列表的开头
specific_file = "第一篇.pdf"
if specific_file in pdf_files:
    pdf_files.insert(0, pdf_files.pop(pdf_files.index(specific_file)))
    #print(pdf_files)

# 存储所有处理后的页面，以便后续添加页脚
all_pages = []
bookmarks = []
total_pages = 0

# 首先处理每个PDF文件，但不立即添加页脚
for filename in pdf_files:
    reader = PdfReader(os.path.join(pdf_dir, filename))
    bookmarks.append((filename.replace('.pdf', ''), total_pages + 1))
    for page in reader.pages:
        all_pages.append(page)
        total_pages += 1

# 创建目录页并添加到最终PDF
writer = PdfWriter()
catalog_pdf = add_catalog_page(bookmarks)
for page in catalog_pdf.pages:
    writer.add_page(page)

# 为每页添加页脚，并将页面添加到最终的PDF中
current_page_number = 1  # 从目录页之后的第一页开始计数页码
catalog_pages_count = len(catalog_pdf.pages)  # 计算目录页数量

for page in all_pages:
    # 不再需要在页码中加上目录页的数量
    footer_pdf = create_footer_page(f"Page number: {current_page_number}")
    page.merge_page(footer_pdf.pages[0])
    writer.add_page(page)
    current_page_number += 1

# 保存最终的PDF
output_pdf_path = "MergePapers.pdf"
with open(output_pdf_path, "wb") as f_out:
    writer.write(f_out)