python 从多个 PDF 中合并选择的页面

假定你有一个很无聊的任务，需要将几十个 PDF 文件合并成一个 PDF 文件。每一个文件都有一个封面作为第一页，但你不希望合并后的文件中重复出现这些封面。即使有许多免费的程序可以合并 PDF，很多也只是简单的将文件合并在一起。让我们来写一个 Python 程序，定制需要合并到 PDF 中的页面。总的来说，该程序需要完成：

找到当前工作目录中所有 PDF 文件。
按文件名排序，这样就能有序地添加这些 PDF。
除了第一页之外，将每个 PDF 的所有页面写入输出的文件。

从实现的角度来看，代码需要完成下列任务：

调用 os.listdir()，找到当前工作目录中的所有文件，去除掉非 PDF 文件。
调用 Python 的 sort()列表方法，对文件名按字母排序。
为输出的 PDF 文件创建 PdfFileWriter 对象。
循环遍历每个 PDF 文件，为它创建 PdfFileReader 对象。
针对每个 PDF 文件，循环遍历每一页，第一页除外。
将页面添加到输出的 PDF。
将输出的 PDF 写入一个文件，名为 allminutes.pdf。

针对这个项目，打开一个新的文件编辑器窗口，将它保存为 combinePdfs.py。

第 1 步：找到所有 PDF 文件
首先，程序需要取得当前工作目录中所有带.pdf 扩展名的文件列表，并对它们排序。让你的代码看起来像这样：

#！ python3
# combinePdfs.py - Combines all the PDFs in the current working directory into
# a single PDF

import PyPDF2, os

# Get all the PDF filenames.
pdfFiles = []
for filename in os.listdir('.'):
	if filename.endswith('.pdf'):
		pdfFiles.append(filename)
pdfFiles.sort(key=str.lower)

pdfWriter = PyPDF2.PdfFileWriter()

# TODO: Loop through all the PDF files.

# TODO: Loop through all the pages (except the first) and add them.

# TODO: Save the resulting PDF to a file.

在#!行和介绍程序做什么的描述性注释之后，代码导入了 os 和 PyPDF2 模块。os.listdir('.')调用将返回当前工作目录中所有文件的列表。代码循环遍历这个列表，将带有.pdf 扩展名的文件添加到 pdfFiles 中。然后，列表按照字典顺序排序，调用 sort()时带有 key/str.lower 关键字参数。代码创建了一个 PdfFileWriter 对象，保存合并后的 PDF 页面。最后，一些注释语句简要描述了剩下的程序。

打开每个 PDF 文件
现在，程序必须读取 pdfFiles 中的每个 PDF 文件。在程序中加入以下代码：

#！ python3
# combinePdfs.py - Combines all the PDFs in the current working directory into
# a single PDF

import PyPDF2, os

# Get all the PDF filenames.
pdfFiles = []
--snip--
# Loop through all the PDF files.
for filename in pdfFiles:
	pdfFileObj = open(filename, 'rb')
	pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
	# TODO: Loop through all the pages (except the first) and add them.

# TODO: Save the resulting PDF to a file.

针对每个 PDF 文件，循环内的代码调用 open()，以'rb'作为第二个参数，用读二进制的模式打开文件。 open()调用返回一个 File 对象，它被传递给 PyPDF2.PdfFileReader()，创建针对那个 PDF 文件的 PdfFileReader 对象。

添加每一页
针对每个 PDF 文件，需要循环遍历每一页，第一页除外。在程序中添加以下代码：

#！ python3
# combinePdfs.py - Combines all the PDFs in the current working directory into
# a single PDF

import PyPDF2, os

--snip--

# Loop through all the PDF files.
for filename in pdfFiles:
--snip--
	# Loop through all the pages (except the first) and add them.
	for pageNum in range(1, pdfReader.numPages):
		pageObj = pdfReader.getPage(pageNum)
		pdfWriter.addPage(pageObj)

# TODO: Save the resulting PDF to a file.

for 循环内的代码将每个 Page 对象拷贝到 PdfFileWriter 对象。要记住，你需要跳过第一页。因为 PyPDF2 认为 0 是第一页，所以循环应该从 1 开始，然后向上增长到 pdfReader.numPages 中的整数，但不包括它。

保存结果
在这些嵌套的 for 循环完成后， pdfWriter 变量将包含一个 PdfFileWriter 对象，合并了所有 PDF 的页面。最后一步是将这些内容写入硬盘上的一个文件。在程序中添加以下代码：

#! python3
# combinePdfs.py - Combines all the PDFs in the current working directory into
# a single PDF.
import PyPDF2, os

--snip--

# Loop through all the PDF files.
for filename in pdfFiles:
--snip--
    # Loop through all the pages (except the first) and add them.
    for pageNum in range(1, pdfReader.numPages):
    --snip--

# Save the resulting PDF to a file.
pdfOutput = open('allminutes.pdf', 'wb')
pdfWriter.write(pdfOutput)
pdfOutput.close()

向 open()传入'wb'，以写二进制的模式打开输出 PDF 文件 allminutes.pdf。然后，将得到的 File 对象传给 write()方法，创建实际的 PDF 文件。调用 close()方法，结束程序。

类似程序的想法
能够利用其他 PDF 文件的页面创建 PDF 文件，这让你的程序能完成以下任务：

从 PDF 文件中截取特定的页面。
重新调整 PDF 文件中页面的次序。
创建一个 PDF 文件，只包含那些具有特定文本的页面。文本由 extractText()来确定。

完整代码

#！ python3
# combinePdfs.py - Combines all the PDFs in the current working directory into
# a single PDF

import PyPDF2, os

# Get all the PDF filenames.
pdfFiles = []
for filename in os.listdir('.'):
	if filename.endswith('.pdf'):
		pdfFiles.append(filename)
pdfFiles.sort(key=str.lower)

pdfWriter = PyPDF2.PdfFileWriter()

# Loop through all the PDF files.
for filename in pdfFiles:
	pdfFileObj = open(filename, 'rb')
	pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
	# Loop through all the pages (except the first) and add them.
	for pageNum in range(1, pdfReader.numPages):
		pageObj = pdfReader.getPage(pageNum)
		pdfWriter.addPage(pageObj)

# Save the resulting PDF to a file.
pdfOutput = open('allminutes.pdf', 'wb')
pdfWriter.write(pdfOutput)
pdfOutput.close()

python 从多个 PDF 中合并选择的页面

猜你喜欢