合并PDF文件

Question

用Python合并多个PDF文件可以吗？

假设可以，我想再深入一点。我希望能遍历一个文件夹里的所有文件，然后重复这个操作。

我可能有点贪心，但能不能在合并时排除掉每个PDF里都有的一页（因为我的报告生成总是会多出一页空白页）？

Answer 1

合并目录中的所有PDF文件

把你想合并的PDF文件放到一个文件夹里。然后运行这个程序。最后你会得到一个新的PDF文件，里面包含了所有合并后的内容。

import os
from PyPDF2 import PdfMerger

x = [a for a in os.listdir() if a.endswith(".pdf")]

merger = PdfMerger()

for pdf in x:
    merger.append(open(pdf, 'rb'))

with open("result.pdf", "wb") as fout:
    merger.write(fout)

我今天该如何写出上面的代码

from glob import glob
from PyPDF2 import PdfMerger



def pdf_merge():
    ''' Merges all the pdf files in current directory '''
    merger = PdfMerger()
    allpdfs = [a for a in glob("*.pdf")]
    [merger.append(pdf) for pdf in allpdfs]
    with open("Merged_pdfs.pdf", "wb") as new_file:
        merger.write(new_file)


if __name__ == "__main__":
    pdf_merge()

Answer 2

你可以使用 pypdf 的 PdfMerger 类。

文件连接

你可以通过使用 append 方法来简单地 连接 文件。

from pypdf import PdfMerger

pdfs = ['file1.pdf', 'file2.pdf', 'file3.pdf', 'file4.pdf']

merger = PdfMerger()

for pdf in pdfs:
    merger.append(pdf)

merger.write("result.pdf")
merger.close()

如果你想的话，可以传递文件句柄而不是文件路径。

文件合并

如果你想更精确地控制合并，可以使用 merge 方法，这样你可以指定输出文件中的插入点，也就是说你可以把页面插入到文件的任何位置。append 方法可以看作是一个在文件末尾插入的 merge。

例如：

merger.merge(2, pdf)

这里我们把整个PDF插入到输出文件中，但插入在第2页。

页面范围

如果你想控制从特定文件中添加哪些页面，可以使用 append 和 merge 的 pages 关键字参数，传递一个元组，格式为 (start, stop[, step])（就像普通的 range 函数）。

例如：

merger.append(pdf, pages=(0, 3))    # first 3 pages
merger.append(pdf, pages=(0, 6, 2)) # pages 1,3, 5

如果你指定了一个无效的范围，你会得到一个 IndexError 错误。

注意：为了避免文件保持打开状态，当合并文件写入完成后，应该调用 PdfMerger 的 close 方法。这可以确保所有文件（输入和输出）及时关闭。可惜的是，PdfMerger 没有实现为上下文管理器，所以我们不能使用 with 关键字，这样就可以避免显式调用关闭方法，并获得一些简单的异常安全。

你也可以看看 pdfly cat 命令，这是 pypdf 开发者提供的。这样你可能完全不需要写代码。

pypdf 的文档中还 包含 一些示例代码，演示了如何合并。

PyMuPdf

另一个值得关注的库是 PyMuPdf。合并同样简单。

从命令行：

python -m fitz join -o result.pdf file1.pdf file2.pdf file3.pdf

以及从代码：

import fitz

result = fitz.open()

for pdf in ['file1.pdf', 'file2.pdf', 'file3.pdf']:
    with fitz.open(pdf) as mfile:
        result.insert_pdf(mfile)
    
result.save("result.pdf")

有很多选项，详细信息可以在项目的 wiki 中找到。

注意：在旧版本的 PyMuPDF 中，insert_pdf 是 insertPDF。

Answer 3

可以使用 Pypdf 或者它的后续版本 PyPDF2：

这是一个用纯Python写的库，主要用来处理PDF文件。它可以做到：

• 将文档按页拆分，
• 将文档按页合并，

（还有很多其他功能）

下面是一个可以同时在这两个版本上运行的示例程序。

#!/usr/bin/env python
import sys
try:
    from PyPDF2 import PdfReader, PdfWriter
except ImportError:
    from pyPdf import PdfFileReader, PdfFileWriter

def pdf_cat(input_files, output_stream):
    input_streams = []
    try:
        # First open all the files, then produce the output file, and
        # finally close the input files. This is necessary because
        # the data isn't read from the input files until the write
        # operation. Thanks to
        # https://stackoverflow.com/questions/6773631/problem-with-closing-python-pypdf-writing-getting-a-valueerror-i-o-operation/6773733#6773733
        for input_file in input_files:
            input_streams.append(open(input_file, 'rb'))
        writer = PdfWriter()
        for reader in map(PdfReader, input_streams):
            for n in range(len(reader.pages)):
                writer.add_page(reader.pages[n])
        writer.write(output_stream)
    finally:
        for f in input_streams:
            f.close()
        output_stream.close()

if __name__ == '__main__':
    if sys.platform == "win32":
        import os, msvcrt
        msvcrt.setmode(sys.stdout.fileno(), os.O_BINARY)
    pdf_cat(sys.argv[1:], sys.stdout)