我要评论背景
日常工作中使用 pdf 文件时，拆分与合并是一个十分常见的操作。
特别是在使用问答形式的 ai 工具时，部分工具可能对 pdf 文件的大小有一定的限制，这时就需要将原来的大 pdf 文件拆分为若干个小文件。
当需要拆分和合并的 pdf 量级较少时，通过一些在线工具或桌面应用就可以很好的解决；但当需要批量处理时，可通过几句简单的 python 代码来实现。
以下基于 python 3.x 环境 + pypdf2 第三方库，从多个实际使用场景出发，梳理出了一些可直接复制粘贴使用的完整代码及一些常见注意事项。
拆分，包括：逐页拆分、连续页拆分、指定页拆分（可以为非连续页）。
合并，包括：多个合并成一个、在原文件后添加一页。
环境安装
本文所有用法均是基于第三方库 pypdf2 ，该库可直接通过 pip 命令实现安装。
完整命令如下：
pip install pypdf2
需要注意的是：pypdf2 本身不支持 python 2.x，因此本文的所有用法都是基于 python 3.x 版本。
pdf 拆分
逐页拆分
逐页拆分 pdf ，即将原 pdf 中的每一页拆分为单独的 pdf，这种做法较为少用。
可作为了解 pypdf2 基础用法的参考，复制以下代码，将路径修改为自己需要拆分的 pdf 路径，运行即可。
from pypdf2 import pdfreader, pdfwriter
import os
# 逐页拆分pdf，将pdf中的每一页拆分为单独的pdf
def split_pdf(input_pdf_path, output_dir):
# 创建 pdfreader 对象
reader = pdfreader(input_pdf_path)
# 遍历原 pdf d的每一页，逐页拆分
for page_number in range(len(reader.pages)):
output_path = os.path.join(output_dir, f"page_{page_number}.pdf")
writer = pdfwriter()
writer.add_page(reader.pages[page_number])
with open(output_path, "wb") as output_file:
writer.write(output_file)
print(f"page {page_number + 1} saved to {output_path}")
if __name__=="__main__":
# 需要拆分的pdf完整路径
input_pdf = 'data/test.pdf'
# 逐页拆分后每个单独pdf保存的文件夹路径，注意是文件夹的路径
output_file = 'data/'
split_pdf(input_pdf,output_file)上述代码，以 test.pdf 为例，运行后的结果如下图：
连续页拆分
连续页拆分，即提取原 pdf 中连续的几页。
如：原 test.pdf 中一共有 5 页，需要将第 2 页、第 3 页提取出来作为一个新的 pdf 文件。完整代码如下。
from pypdf2 import pdfreader, pdfwriter
import os
# 指定连续页拆分pdf
def split_page_pdf(input_pdf_path, output_pdf_path,start_num,end_num):
# 创建 pdfreader 对象
reader = pdfreader(input_pdf_path)
# 创建 pdfwriter 对象
writer = pdfwriter()
# 指定连续的页码
for page_number in range(start_num,end_num):
writer.add_page(reader.pages[page_number])
# 保存到新pdf
with open(output_pdf_path, "wb") as output_file:
writer.write(output_file)
if __name__=="__main__":
# 需要拆分的pdf完整路径
input_pdf = 'data/test.pdf'
# 拆分pdf保存的完整路径
output_pdf = 'data/test1.pdf'
split_page_pdf(input_pdf,output_pdf,1,3)复制上述代码，将文件路径和需要提取的连续页码修改为自己需要的即可。
需要注意的是：代码中的页码从 0 开始，区间为左闭右开。如上面的【1,3】中的 1 代表的是第 2 页。
指定页拆分
指定页拆分，即是提取原 pdf 中的其中几页，不一定是连续的页。
如：原 test.pdf 中一共有 5 页，需要将第 1 页、第 3 页、第 5 页提取出来作为一个新的 pdf 文件。完整代码如下：
from pypdf2 import pdfreader, pdfwriter
# 指定页拆分pdf
def split_page_pdf(input_pdf_path, output_pdf_path,page_list):
# 创建 pdfreader 对象
reader = pdfreader(input_pdf_path)
# 创建 pdfwriter 对象
writer = pdfwriter()
for page_number in page_list:
writer.add_page(reader.pages[page_number])
# 保存到新pdf
with open(output_pdf_path, "wb") as output_file:
writer.write(output_file)
if __name__=="__main__":
# 需要拆分的pdf完整路径
input_pdf = 'data/test.pdf'
# 拆分pdf保存的完整路径
output_pdf = 'data/test2.pdf'
# 指定需要的pdf页码列表
page_list = [0, 2, 4]
split_page_pdf(input_pdf,output_pdf,page_list)复制上述代码，将文件路径和需要提取的指定页的页码修改为自己需要的即可。
需要注意的是：代码中的页码从 0 开始。如上面的【0,2,4】，分别指的是第 1、3、5 页。
pdf 合并
相对拆分来说，pdf 合并的场景较少一点，“多个合并成一个”和“在原文件后添加一页”（可视为 2 个 pdf 的合并）的使用方式是一样的。
完整代码如下。复制上述代码，将需要合并的 pdf 文件路径和保存的合并后的文件路径改为自己需要的即可。
from pypdf2 import pdfmerger
# 合并pdf
def merger_pdf(input_pdf,output_filename):
merger = pdfmerger()
for pdf_info in input_pdf:
merger.append(pdf_info)
with open(output_filename, "wb") as f_out:
merger.write(f_out)
print('合并完成！')
if __name__=="__main__":
# 需要合并的pdf文件完整路径列表
pdf_list = ['data/page_0.pdf','data/page_4.pdf']
# 传入需要合并的pdf文件完整路径列表，和合并后的文件路径及名称
merger_pdf(pdf_list,'data/page_test.pdf')以上就是基于 python 3.x + pypdf2 的常见拆分与合并使用代码块，可供参考。
进阶技巧：旋转页面与提取文本
页面旋转：对于扫描件中方向错误的页面，你可以使用 page.rotate(angle) 方法来旋转页面。需要注意的是，这个旋转操作必须在将页面添加到 pdfwriter 之前完成。
# 示例：在添加页面前将其顺时针旋转90度 page = reader.pages[0] page.rotate(90) # 顺时针旋转90度 writer.add_page(page)
提取文本：pypdf2 可以从pdf中提取文字，但性能相对一般，对于复杂的排版或扫描件效果可能不佳。
# 示例：提取第一页的所有文本
reader = pdfreader('source.pdf')
first_page = reader.pages[0]
text = first_page.extract_text()
print(text)注意事项与提示
- 处理加密pdf：如果pdf文件设置了打开密码，你需要先使用
reader.decrypt('密码')方法来解锁，然后才能进行后续的读取和页面提取操作。 - 批量处理：当需要处理大量pdf文件时，可以结合
os和glob模块来遍历指定目录下的所有.pdf文件，然后调用上面的合并函数，实现批量化自动化操作。 - 错误处理：为了代码的健壮性，建议在文件操作时使用
try...except块来捕获filenotfounderror（文件不存在）或pypdf2.errors.pdfreaderror（pdf格式错误）等常见异常。
到此这篇关于python使用pypdf2轻松实现pdf的拆分与合并的文章就介绍到这了,更多相关python pypdf2拆分与合并pdf内容请搜索代码网以前的文章或继续浏览下面的相关文章希望大家以后多多支持代码网！
发表评论