Python代码实现快速拆分PDF文件的完整指南_Python

在日常的文档处理中，我们经常会遇到需要把一个体积较大的 pdf 拆成若干小文件的场景：比如只把合同中的某一页发给客户、把一份长篇报告按章节拆开归档，或者把扫描得到的超宽页面裁成多页以便打印。如果依赖手动操作或在线工具，不仅效率低，还可能带来文件外泄的风险。

借助 python 中成熟的 pdf 处理库，我们可以在本地以编程方式完成各种拆分需求，而且方式非常灵活。本文将以 spire.pdf 为例，介绍三种常用的拆分思路：按页拆分为单页文件、按指定页码范围提取页面，以及把一个超长页面重新分页为多页。

环境准备

在开始之前，需要先安装 spire.pdf 库。可以通过 pip 直接安装：

pip install spire.pdf

安装完成后，在脚本顶部引入必要的命名空间即可。后续示例均使用 pdfdocument 作为操作 pdf 的核心对象。

from spire.pdf.common import *
from spire.pdf import *

将 pdf 拆分为单页文件

最常见的需求是把一个多页 pdf 每一页都单独保存成一个文件，例如把一份 10 页的资料拆成 10 个单页 pdf。pdfdocument 提供的 split 方法专门为此设计，它会遍历文档的每一页，并按照指定的文件命名规则自动生成对应的独立文件，整个过程只需要一行调用。

from spire.pdf.common import *
from spire.pdf import *

input_file = "sample.pdf"

# 加载待拆分的 pdf 文档
doc = pdfdocument()
doc.loadfromfile(input_file)

# 按命名模板将每一页拆分为独立文件，{0} 会被替换为页码索引
pattern = "拆分pdf-{0}.pdf"
doc.split(pattern)

doc.close()

上面的代码中，split 方法的参数是一个带占位符 {0} 的文件名模板，库会在拆分时自动用页码序号替換该占位符，最终得到 splitdocument-0.pdf、splitdocument-1.pdf 这样命名的一系列单页文件。这种方式适合需要"整本拆散"的场景，代码量最少，也最容易理解。

按指定页面范围拆分文件

有时我们并不想拆散整本文档，而只是想把其中的某几页（比如第 2 到第 4 页）提取出来生成一个新的 pdf。这时可以借助 pdfdocument.pages.add 在新文档中按原页尺寸新建页面，再通过 createtemplate().draw() 把源页的内容完整绘制过去，从而精确控制到底抽取哪些页。

from spire.pdf.common import *
from spire.pdf import *

input_file = "/sample.pdf"
output_file = "/按范围拆分.pdf"

# 加载源 pdf 并创建一个新的空 pdf 文档
old_pdf = pdfdocument()
old_pdf.loadfromfile(input_file)
new_pdf = pdfdocument()

# 只抽取索引为 1 和 2 的页面（即原文档的第 2、3 页）
for i in range(1, 3):
    # 按源页面尺寸新建一页，边距设为 0 以保留原始版式
    page = new_pdf.pages.add(old_pdf.pages[i].size, pdfmargins(0.0))
    # 将源页面内容以模板形式绘制到新页面上
    old_pdf.pages[i].createtemplate().draw(page, pointf(0.0, 0.0))

new_pdf.savetofile(output_file)
new_pdf.close()
old_pdf.close()

这里的关键点在于 pdfmargins(0.0) 和 pointf(0.0, 0.0)：前者保证新页面没有额外的页边距偏移，后者把源页模板的左上角对齐绘制到新页面的原点，从而避免内容被意外缩放或留白。通过调整 range 的起止值，就能灵活抽取任意连续的页码区间。

将单个大页面拆分为多页

还有一种特殊但常见的情形：源 pdf 的某一页本身非常高（例如长图截图、横向折叠的扫描件），缩放后难以阅读或打印。此时可以把这一页重新按高度"切"成多页。pdftextlayout 的 break 与 layout 属性配合模板绘制，可以让库自动按新页面高度分页，把超长内容顺次排到后续页面中。

from spire.pdf.common import *
from spire.pdf import *

input_file = "/sample.pdf"
output_file = "/分割单页.pdf"

doc = pdfdocument()
doc.loadfromfile(input_file)

# 取出需要重新分页的那一页
page = doc.pages[0]

new_pdf = pdfdocument()
# 移除新文档的页边距，使内容铺满页面
new_pdf.pagesettings.margins.all = 0.0
# 新页面宽度与原页一致，高度减半，相当于一页切为两页
new_pdf.pagesettings.width = page.size.width
new_pdf.pagesettings.height = page.size.height / float(2)

new_page = new_pdf.pages.add()
# 设置排版规则：超出一页高度时自动换行到下一页
layout = pdftextlayout()
layout.break = pdflayoutbreaktype.fitpage
layout.layout = pdflayouttype.paginate

# 将源页模板按上述排版规则绘制到新文档
page.createtemplate().draw(new_page, pointf(0.0, 0.0), layout)

new_pdf.savetofile(output_file)
new_pdf.close()
doc.close()

需要留意的是，这种"切页"本质上是通过重新排版实现的：当源页内容能够自适应流式布局时（如纯文本或文本型扫描件），分页效果最理想；如果页面主要是位图图像，库会尽量按比例裁切，但效果取决于原始内容的构成。把 page.size.height 除以几，就能大致控制切成多少份。

实用技巧

掌握了以上三种拆分方式后，还可以结合实际场景做一些扩展，让拆分流程更顺手。

批量拆分多个 pdf 文件

如果需要拆分某个文件夹下的所有 pdf，可以结合 os 模块遍历目录，对每一个文件套用前面的拆分逻辑。下面的示例把文件夹里的每个 pdf 都按单页拆分：

import os
from spire.pdf.common import *
from spire.pdf import *

folder = "./pdfs"
for name in os.listdir(folder):
    if not name.lower().endswith(".pdf"):
        continue
    doc = pdfdocument()
    doc.loadfromfile(os.path.join(folder, name))
    # 用原文件名作为前缀，避免不同文件拆分出的页面重名
    doc.split(os.path.join(folder, "split", f"{os.path.splitext(name)[0]}-{{0}}.pdf"))
    doc.close()

拆分后保留页面顺序与命名

split 方法生成文件名时使用的 {0} 是零基索引（第一页对应 0），如果希望输出从 1 开始编号，可以在拆分后用 os.rename 做一轮重命名。另外，无论是按范围抽取还是切页，源文档中的链接、注释等元素都会随页面内容一并被绘制到新文档中，因此拆分后通常无需额外处理这些对象。

小结

本文介绍了使用 python 拆分 pdf 的三类典型做法：用 split 方法快速把整本文档拆成单页文件、用 pages.add 加 createtemplate().draw() 精确抽取指定页码范围、以及用 pdftextlayout 把超长单页重新分页为多页。它们覆盖了从"整本拆散"到"按需抽取"再到"重新排版分页"的不同粒度需求。

在实际项目中，你可以根据拆分的目的选择合适的方式，也可以把上述思路组合使用，例如先按页码范围抽取关键章节，再对其中超长的页面做重新分页。配合 os、路径处理等标准库，还能轻松把拆分流程扩展到批量自动化场景。

以上就是python代码实现快速拆分pdf文件的完整指南的详细内容，更多关于python拆分pdf文件的资料请关注代码网其它相关文章！