安装所需要的库
pip install pypdf2 -i https://pypi.tuna.tsinghua.edu.cn/simple
将多个pdf文档中的指定页,合并生成新的pdf
代码如下:
from pypdf2 import pdfreader, pdfwriter
# pip install pypdf2 -i https://pypi.tuna.tsinghua.edu.cn/simple
# 定义要处理的pdf文件及其完整路径
pdf_files = {
'数模.pdf': r'd:\users\documents\wechat files\filestorage\file\2025-03\数学一模每日一练5(3.18).pdf', # 替换为a.pdf的实际路径
'数招.pdf': r'd:\users\documents\wechat files\filestorage\file\2025-03\自招考试—数学每日一练5(3.18).pdf', # 替换为b.pdf的实际路径
'物模.pdf': r'd:\users\documents\wechat files\filestorage\file\2025-03\物理一模每日一练5(3.18).pdf', # 替换为c.pdf的实际路径
'物招.pdf': r'd:\users\documents\wechat files\filestorage\file\2025-03\自招考试—物理每日一练5(3.18).pdf', # 替换为c.pdf的实际路径
'化模.pdf': r'd:\users\documents\wechat files\filestorage\file\2025-03\化学一模每日一练5(3.18).pdf', # 替换为c.pdf的实际路径
'化招.pdf': r'd:\users\documents\wechat files\filestorage\file\2025-03\自招版—化学每日一练5(3.18).pdf' # 替换为c.pdf的实际路径
}
# 定义要提取的页码(注意:页码从0开始)
pages_to_extract = {
'数模.pdf': [0], # 提取a.pdf的第1页和第3页
'数招.pdf': [0], # 提取b.pdf的第2页
'物模.pdf': [0], # 提取c.pdf的第1页和第2页
'物招.pdf': [0], # 提取a.pdf的第1页和第3页
'化模.pdf': [0], # 提取b.pdf的第2页
'化招.pdf': [0] # 提取c.pdf的第1页和第2页
}
# 创建一个pdfwriter对象来保存合并后的pdf
output_pdf = pdfwriter()
# 遍历每个pdf文件
for pdf_name, pdf_path in pdf_files.items():
# 读取pdf文件
reader = pdfreader(pdf_path)
# 获取要提取的页码
pages = pages_to_extract.get(pdf_name, [])
# 遍历要提取的页码
for page_num in pages:
# 获取指定页
page = reader.pages[page_num]
# 将页添加到输出pdf中
output_pdf.add_page(page)
# 将合并后的pdf写入到输出文件
output_path = r'd:\users\desktop\0319.pdf' # 替换为输出文件的实际路径
with open(output_path, 'wb') as output_file:
output_pdf.write(output_file)
print(f"pdf合并完成,已保存为 {output_path}")
代码说明:
- pdfreader:用于读取 pdf 文件。
- pdfwriter:用于创建和写入新的 pdf 文件。
- pages_to_extract:一个字典,指定每个 pdf 文件中要提取的页码。注意,页码从 0 开始。
- output_pdf.add_page(page):将指定的页面添加到输出 pdf 中。
- output_pdf.write(output_file):将合并后的 pdf 写入到输出文件。
拆分pdf
代码如下:
from pypdf2 import pdfreader, pdfwriter
import os
# 定义要处理的pdf文件及其完整路径
pdf_files = {
'a.pdf': '/path/to/a.pdf', # 替换为a.pdf的实际路径
'b.pdf': '/path/to/b.pdf', # 替换为b.pdf的实际路径
'c.pdf': '/path/to/c.pdf' # 替换为c.pdf的实际路径
}
# 定义输出目录
output_dir = '/path/to/output' # 替换为输出目录的实际路径
# 如果输出目录不存在,则创建它
if not os.path.exists(output_dir):
os.makedirs(output_dir)
# 遍历每个pdf文件
for pdf_name, pdf_path in pdf_files.items():
# 读取pdf文件
reader = pdfreader(pdf_path)
# 遍历pdf的每一页
for page_num, page in enumerate(reader.pages):
# 创建一个pdfwriter对象
writer = pdfwriter()
# 将当前页添加到pdfwriter中
writer.add_page(page)
# 生成输出文件名
output_filename = os.path.join(output_dir, f'{pdf_name}_page_{page_num + 1}.pdf')
# 将当前页保存为一个单独的pdf文件
with open(output_filename, 'wb') as output_file:
writer.write(output_file)
print(f"已保存: {output_filename}")
print("所有页面已拆分为单独的pdf文件!")
代码说明:
pdfreader:- 用于读取 pdf 文件。
pdfwriter:- 用于创建新的 pdf 文件。
os.makedirs(output_dir):- 如果输出目录不存在,则创建它。
enumerate(reader.pages):- 遍历 pdf 的每一页,
page_num是页码(从 0 开始),page是当前页内容。
- 遍历 pdf 的每一页,
output_filename:- 生成输出文件的路径和名称,格式为
{pdf_name}_page_{page_num + 1}.pdf(例如a.pdf_page_1.pdf)。
- 生成输出文件的路径和名称,格式为
writer.write(output_file):- 将当前页保存为一个单独的 pdf 文件。
方法扩展
下面小编为大家整理了一些python关于pdf文档的其他应用,希望对大家有所帮助
1.python提取多个pdf特定页,并合并为新pdf文件
方法如下
import os
from pypdf2 import pdfreader, pdfwriter
class pdfmerge:
def __init__(self, filelist, dstfile):
self.filelist = filelist
self.dstfile = dstfile
def readpdf(self, pdffile, pagerange):
pagelist = []
pdf_reader = pdfreader(pdffile)
for i in range(len(pdf_reader.pages)):
if i in pagerange:
pagelist.append(pdf_reader.pages[i])
return pagelist
def writepdf(self, pagelist):
pdf_writer = pdfwriter()
for page in pagelist:
pdf_writer.add_page(page)
with open(self.dstfile, 'wb') as out:
pdf_writer.write(out)
def getrangelist(self, rangestr):
rangelist = []
if rangestr.find(':') >= 0:
r = rangestr.split(':')
if len(r) != 2:
print("rangestr[%s] split [:] failed!"%(rangestr))
return rangelist
mi = int(r[0])
ma = int(r[1])
for i in range(mi, ma):
rangelist.append(i)
elif rangestr.find(',') >= 0:
r = rangestr.split(',')
mi = int(r[0])
ma = int(r[1])
for i in r:
rangelist.append(int(i))
elif rangestr.isnumeric():
rangelist.append(int(rangestr))
else:
print("rangestr split failed! not find [:] and [,]")
return rangelist
def mergepdf(self):
pagelist = []
for pdf in self.filelist:
file = pdf["file"]
filerange = self.getrangelist(pdf["range"])
print("file[{}] rangestr[{}] rangelist{}".format(file, pdf["range"], filerange))
pagelist.extend(self.readpdf(file, filerange))
self.writepdf(pagelist)
def main():
filelist = [{"file":"source/1_任务书.pdf", "range":"0:10"},{"file":"source/20230409074902162.pdf", "range":"0"}]
# filelist = [{"file":"source/1_任务书.pdf", "range":"0,1,5,6,7"},{"file":"source/20230409074902162.pdf", "range":"0"}]
fileprocess = pdfmerge(filelist, "source/任务书.pdf")
fileprocess.mergepdf()
if __name__ == "__main__":
main()
2.批量截取pdf指定页面
说明:此脚本用于批量截取pdf指定页面。
import os
from pypdf2 import pdffilewriter, pdffilereader
def get_file(path, all_files):
filenames = os.listdir(path)
for file_name in filenames:
cur_path = os.path.join(path, file_name)
if os.path.isdir(cur_path):
get_file(cur_path, all_files)
else:
if file_name.endswith('.pdf'):
all_files.append(cur_path)
return all_files
def extract_one_pdf(pdf_path, save_dir, start_page, end_page):
pdf_name = pdf_path.split("\\")[-1]
print(f"processing file -- {pdf_path}")
if not os.path.exists(save_dir):
print(save_dir)
os.makedirs(save_dir)
pdf_file = pdffilereader(pdf_path, strict=false)
pdf_pages = pdf_file.getnumpages()
if not -1 < start_page < end_page < pdf_pages:
raise valueerror("pages error")
pdf_output = pdffilewriter()
for i in range(start_page, end_page):
page = pdf_file.getpage(i)
pdf_output.addpage(page)
with open(save_dir + pdf_name, 'wb') as out:
pdf_output.write(out)
def extract_many_pdf(pdf_dir_path, save_path, start_page, end_page):
source_files = get_file(pdf_dir_path, [])
for i, file in enumerate(source_files):
file_name = file.split("\\")[-1]
save_file = file.replace(pdf_dir_path, save_path)
save_dir = save_file.replace(file_name, '')
extract_one_pdf(file, save_dir, start_page, end_page)
if __name__ == '__main__':
path = "c:\\users\\lenovo\\desktop\\test\\"
out_path = "c:\\users\\lenovo\\desktop\\pdf_out\\"
extract_many_pdf(path, out_path, 0, 1)
到此这篇关于python实现合并与拆分多个pdf文档中的指定页的文章就介绍到这了,更多相关python合并与拆分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