使用Python拆分和提取PDF页面的三种常见方式_Python

前言

实际工作中经常拿到几十页甚至上百页的 pdf——合并的季度报告、扫描的合同、批量导出的发票。接收方往往只需要其中几页：把单页拆成独立文件分发，或者抽取某个页码区间交给不同的人处理。手动用 pdf 编辑器拆分既低效又难以批量。用 python 可以按页拆分整个文档、提取指定页码、甚至把一个超长页面切成多页，方便接入自动化流程。本文以 spire.pdf for python 为例，演示这三种常见的拆分方式。

为什么用 python 拆分 pdf

通过脚本拆分 pdf 有几个实际好处：

批量处理：一次脚本处理成百上千个文件，无需人工逐个操作。
拆分粒度灵活：既可以整档逐页拆，也可以只提取指定页，或对单个超长页面再切分。
易于集成：拆分只是流水线中的一步，可以和下载、归档、邮件发送等操作衔接。

环境准备

安装 spire.pdf 库：

pip install spire.pdf

在脚本中引入模块：

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

将 pdf 拆分为单页文档

最直接的拆分方式是让每一页都变成一个独立的 pdf 文件。pdfdocument.split() 用一个文件名模板即可完成，无需逐页操作：

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

# 加载 pdf 文档
doc = pdfdocument()
doc.loadfromfile("sample.pdf")

# 按文件名模板拆分，每一页生成一个独立 pdf
doc.split("splitdocument-{0}.pdf")

doc.close()

split() 接收一个包含 {0} 占位符的文件名模板，占位符会被替换成页码索引（从 0 开始）。一个 10 页的文档执行后会生成 splitdocument-0.pdf 到 splitdocument-9.pdf 共 10 个单页文件。拆分完成后调用 close() 释放文档占用的资源。

提取指定页面生成新 pdf

更多场景是不需要全部页面，只挑出某几页组成新文档。思路是：新建一个 pdfdocument，为每个要提取的源页面添加一个同尺寸的新页面，再把源页内容绘制进去：

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

# 加载源文档
oldpdf = pdfdocument()
oldpdf.loadfromfile("sample.pdf")

# 新建目标文档
newpdf = pdfdocument()
page = none

# 提取索引 1、2 两页（页码从 0 开始）
for i in range(1, 3):
    # 添加与源页面同尺寸的页面
    page = newpdf.pages.add(oldpdf.pages[i].size, pdfmargins(0.0))
    # 把源页面内容绘制到新页面
    oldpdf.pages[i].createtemplate().draw(page, pointf(0.0, 0.0))

newpdf.savetofile("extractpages.pdf")
newpdf.close()
oldpdf.close()

pages.add() 的第一个参数传入源页面的 size，保证新页面与源页面尺寸一致；pdfmargins(0.0) 把新页面边距设为 0，避免内容错位。createtemplate() 为源页面生成一个绘制模板，draw() 把它原样画到新页面上，内容和排版都不会丢失。循环范围 range(1, 3) 表示提取第 2、3 页——改这个范围就能提取任意页码组合。

将一个长页面拆分为多页

还有一类特殊需求：源 pdf 里有一张很长的页面（比如长截图、连续表格），希望按标准页高切成多页。做法是新建一个高度只取源页一半的文档，再利用自动分页布局绘制源页内容：

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

# 加载源文档并获取第一页
doc = pdfdocument()
doc.loadfromfile("longpage.pdf")
page = doc.pages[0]

# 新建文档：边距为 0，宽度不变，高度取源页的一半
newpdf = pdfdocument()
newpdf.pagesettings.margins.all = 0.0
newpdf.pagesettings.width = page.size.width
newpdf.pagesettings.height = page.size.height / float(2)

# 添加新页面并设置自动分页布局
newpage = newpdf.pages.add()
format = pdftextlayout()
format.break = pdflayoutbreaktype.fitpage
format.layout = pdflayouttype.paginate

# 绘制源页内容，内容超出页高时自动换页
page.createtemplate().draw(newpage, pointf(0.0, 0.0), format)

newpdf.savetofile("splitonepage.pdf")
newpdf.close()
doc.close()

关键在 pdftextlayout 的两个属性：layout = pdflayouttype.paginate 表示绘制内容超出页面时自动分页，break = pdflayoutbreaktype.fitpage 表示按页面高度截断。由于新页面高度是源页的一半，一页长内容会被平铺到两个标准页上；把高度除数改小，还能切成更多份。

实用提示

输出位置：split() 的文件名模板里可以带上路径前缀（如 "output/splitdocument-{0}.pdf"），让拆分结果直接输出到指定目录。
页码从 0 开始：提取页面时先用 doc.pages.count 确认总页数，再决定循环范围，避免索引越界。
拆分粒度：长页切分时，height 除以的数字越小，切出的页数越多，可按实际内容高度调整。
资源释放：源文档和目标文档用完都调用 close()，批量处理时尤其重要。
免费版限制：spire.pdf 的免费版对处理的页数有限制，大批量或大文档场景需注意这一约束。

总结

本文介绍了用 python 拆分 pdf 文档的三种常见方式：用 split() 把整个文档逐页拆成单页文件，用 createtemplate().draw() 把指定页码提取成新文档，以及借助 pdflayouttype.paginate 自动分页把一个长页面切成多页。结合文件遍历和页码计算，这些操作可以轻松嵌入批量拆分、按人分发文档等自动化流程中。

以上就是使用python拆分和提取pdf页面的方法示例的详细内容，更多关于python拆分和提取pdf页面的资料请关注代码网其它相关文章！