PyPDF2压缩

Question

我在用PyPDF2模块压缩合并后的PDF文件时遇到了一些困难。这是我根据这个链接尝试的代码。

import PyPDF2
path = open('path/to/hello.pdf', 'rb')
path2 = open('path/to/another.pdf', 'rb')
merger = PyPDF2.PdfFileMerger()
merger.append(fileobj=path2)
merger.append(fileobj=path)
pdf.filters.compress(merger)
merger.write(open("test_out2.pdf", 'wb'))

我收到的错误信息是：

TypeError: must be string or read-only buffer, not file

我也尝试在合并完成后再压缩PDF。我是根据使用PDFSAM压缩后得到的文件大小来判断我的压缩失败的。有什么想法吗？谢谢。

Answer 1

pypdf 提供了几种方法来减小文件大小：https://pypdf.readthedocs.io/en/latest/user/file-size.html

compress_content_streams 是其中一种方法，它的缺点是可能需要较长时间（这取决于PDF文件的大小；可以把它想象成是PDF版的ZIP压缩）：

from pypdf import PdfReader, PdfWriter

reader = PdfReader("example.pdf")
writer = PdfWriter()

for page in reader.pages:
    page.compress_content_streams()  # This is CPU intensive!
    writer.add_page(page)

with open("out.pdf", "wb") as f:
    writer.write(f)

Answer 2

最开始的方法其实没那么错。只需要在写入文件之前，把页面添加到你的写入器中，并进行压缩就可以了：

...

for i in list(range(reader.numPages)):
    page = reader.getPage(i)
    writer.addPage(page);
for i in list(range(writer.getNumPages())):
    page.compressContentStreams()

...

Answer 3

你的错误提示说，必须是字符串或者只读的缓冲区，而不是文件。

所以最好把你的合并结果写成字节或者字符串。

import PyPDF2
from io import BytesIO

tmp = BytesIO()
path = open('path/to/hello.pdf', 'rb')
path2 = open('path/to/another.pdf', 'rb')
merger = PyPDF2.PdfFileMerger()
merger.append(fileobj=path2)
merger.append(fileobj=path)
merger.write(tmp)
PyPDF2.filters.compress(tmp.getvalue())
merger.write(open("test_out2.pdf", 'wb'))

Answer 4

PyPDF2这个工具没有一个可靠的压缩方法。不过，它有一个叫做 compress_content_streams() 的功能，描述如下：

这个功能可以通过将所有内容流合并并应用FlateDecode过滤器来压缩页面的大小。

不过，有可能这个功能在某些情况下不会起作用，比如内容流的压缩变成了“自动”的。

总的来说，这在大多数情况下不会有什么改变，但你可以试试这个代码：

from PyPDF2 import PdfReader, PdfWriter


writer = PdfWriter()

for pdf in ["path/to/hello.pdf", "path/to/another.pdf"]:
    reader = PdfReader(pdf)
    for page in reader.pages:
        page.compress_content_streams()
        writer.add_page(page)

with open("test_out2.pdf", "wb") as f:
    writer.write(f)