Python3-pdf文件的相关操作，分割和合并page，PyPDF2的使用

忘是亡心i 2023-09-28 22:01 7阅读 0赞

#### 1简介 ####

本篇继续介绍利用Pdf2pdf库来操作PDF文件的相关内容。主要介绍写新文件，分割，合并pdf文件的实现。

pdf文件的读取，传送门：

[Python3-提取pdf文件内容的方式，PyPDF2的使用][Python3-_pdf_PyPDF2]

#### 2 写入PDF文件： ####

pdf文件不能像普通的文本文件，直接进行写入。而是通过其它pdf文件获取到pdf页面，再将这个页面内容写入新的pdf文件中。每一个pdf文件都包含若干个page（页面）。

常用的Class有：

> PdfFileReader ：用于读取pdf文件；
> 
> PdfFileMerger ：用于合并pdf文件；
> 
> PageObject ：pdf页面对象；
> 
> PdfFileWriter 用于写入pdf文件。

举例：将一个pdf文件的第一页写入到一个新的pdf文件中。

#### 代码如下： ####

# -*- coding: utf-8 -*-
    import PyPDF2
    from PyPDF2 import PdfFileReader
    from PyPDF2 import PdfFileWriter
    import chardet
    from chardet import detect as char_detect
    
    # 写文件
    def write_pdf():
        oldFileName = 'Effective C++ 英文版.pdf'
        newfileName = "Effective C++ 英文版_二页.pdf"
        pageObj = read_one_page(oldFileName);
        # 获取一个 PdfFileWriter 对象
        pdfWriter = PyPDF2.PdfFileWriter()
        # 将一个 PageObject 加入到 PdfFileWriter 中
        pdfWriter.addPage(pageObj)
        # 输出到文件中
        pdfWriter.write(open(newfileName, 'wb'))
    
        #为了验证新的pdf文件，打印的log
        print("============text2222222===============");
        read_one_page(newfileName);
        
    # 读取pdf文件，返回第一页
    def read_one_page(filename):
        ''' 读取pdf文件的内容'''
        pdfFileObj = open(filename, 'rb')  #rw,r+都会出错
        # pdfFileObj = open(filename, 'r+',encoding="utf-8")
        pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
    
        print("pages cnt:",pdfReader.numPages)
    
        for i in range(pdfReader.numPages):
            pageObj = pdfReader.getPage(i)
            dataStr = pageObj.extractText()
    
            print("current page index:", i)
            print("============text===============");
            print(dataStr) #ok: 输出
    
            if i ==0:
                return pageObj;
    
    if __name__ == '__main__':
        # test_chardet()
        #filename = "leetcode.pdf"
        #filename = 'Effective C++ 英文版.pdf'
        #read_pdf(filename)
        # read_one_page(filename);
        write_pdf()

说明：

> （1）read\_one\_page:用于读取pdf文件，返回第一页（返回的是 PageObject对象）；
> 
> （2）write\_pdf：写入数据。先调用read\_one\_page，获取到PageObject对象，再将PageObject对象的数据写入到新的pdf文件中。
> 
> （3）pdfWriter.addPage(pageObj)：将PageObject对象的数据添加到pdfWriter对象中；
> 
> （4）pdfWriter.write：写入到新pdf中。

运行：

> % python3 pdf2.py
> 
> **pages cnt: 251**
> 
> current page index: 0
> 
> ============text===============//旧文件的内容
> 
> E ffe c tiv eC + +byScottMeyers
> 
> Back
> 
> to
> 
> 。。。省略
> 
> ============text2222222=============== //新文件的内容
> 
> **pages cnt: 1**
> 
> current page index: 0
> 
> ============text===============
> 
> E ffe c tiv eC + +byScottMeyers
> 
> Back
> 
> to
> 
> Dedication
> 
> 。。。省略

如图：

![769691d4616d40e7b015630f19cad46f.png][]

#### 3 分割和合并PDF文件： ####

主要通过PdfFileWriter和PdfFileReader来实现。

**（1）分割pdf：**把一个pdf文件分割成若干个，每一个文件的页数为one\_file\_page。

实现原理：获取pdf文件，循环获取每一个page，再将每5个page通过PdfFileWriter写入到一个文件中。

代码如下：

# 分割：把一个pdf文件分割成若干个，每一个文件的页数为one_file_page
    def get_sub_pdf(filename,one_file_page):
        pdf_writer = PdfFileWriter()
        pdf_reader = PdfFileReader(open(filename, 'rb'))
        # 获取 pdf 共用多少页
        page_count = pdf_reader.getNumPages()
        print(page_count)
        # 将 pdf 第五页之后的页面，输出到一个新的文件
        cnt_flag = 0;
        page_cnt = 0;
        for i in range(page_count):
            page_cnt = page_cnt + 1;
            #每一个文件有one_file_page页
            if page_cnt%one_file_page==0:
                pdf_writer.write(open("pdf"+i+".pdf", 'wb'))
                cnt_flag = 0;
            else:
                pdf_writer.addPage(pdf_reader.getPage(i))
                cnt_flag = 1;
        if cnt_flag==1:
            pdf_writer.write(open("pdf"+i+".pdf", 'wb'))

**（2）合并多个pdf到一个pdf：**把file\_list列表中的文件合并到desc\_file中

实现原理：读取所有要合并的pdf，循环获取每一个文件的page，再将所有的page通过PdfFileWriter写入到一个新文件中。

代码如下：

# 合并:把file_list列表中的文件合并到desc_file中
    def merge_pdf(file_list, desc_file):
        pdf_write = PdfFileWriter()
        for file in file_list:
            pdf_reader = PdfFileReader(open(file, 'rb'))
            # 获取 pdf 共用多少页
            page_count = pdf_reader.getNumPages()
            print(page_count)
            for i in range(page_count):
                pdf_write.addPage(pdf_reader.getPage(i))
        pdf_write.write(open(desc_file, 'wb'))

--------------------

[Python3-_pdf_PyPDF2]: https://blog.csdn.net/liranke/article/details/126525804
[769691d4616d40e7b015630f19cad46f.png]: https://img-blog.csdnimg.cn/769691d4616d40e7b015630f19cad46f.png