用python合并PDF文件

python官方文档

项目：从许多PDF中组合选择页面

假设您将无数的PDF文档合并到一个PDF文件中。他们每个都有一个封面作为第一页，但你不希望封面在最后的结果重复。即使有很多免费程序来组合PDF，但是很多都是将整个文件合并在一起。我们来编写一个Python程序来自定义组合PDF中所需的页面。

实现这个技术的计划是什么：

• 查找当前工作目录中的所有PDF文件。
• 对文件名进行排序，以便按顺序添加PDF。
• 将每个PDF的每个页面（排除第一页）写入输出文件。

在实现方面，您的代码将需要执行以下操作：

• 调用os.listdir（）来查找工作目录中的所有文件，并删除任何非PDF文件。
• 调用Python的sort（）列表方法来对文件名进行字母排序。
• 为输出PDF创建PdfFileWriter对象。
• 循环每个PDF文件，为其创建一个PdfFileReader对象。
• 在每个PDF文件中循环遍历每个页面（第一个除外）。
• 将页面添加到输出PDF。
• 将输出PDF写入名为allminutes.pdf的文件。

步骤1：查找所有PDF文件

首先，您的程序需要在当前工作目录中获取.pdf扩展名的所有文件的列表，并对它们进行排序。

#将当前工作目录中的所有PDF都合并到一起
import PyPDF2, os #❶
# 得到所有pdf 的名称
pdfFiles = []
for filename in os.listdir('.'):
    if filename.endswith('.pdf'):
        pdfFiles.append(filename)#❷ 
pdfFiles.sort(key=str.lower)#❸
pdfWriter = PyPDF2.PdfFileWriter()#❹

=该代码导入os和PyPDF2模块❶。 os.listdir（'。'）调用将返回当前工作目录中每个文件的列表。代码循环遍历此列表，并将只有.pdf扩展名的文件添加到pdfFiles❷。之后，该列表按照字母顺序排列，使用key = str.lower关键字参数sort（）❸。创建PdfFileWriter对象来保存组合的PDF页面❹

步骤2：打开每个PDF

现在程序必须阅读pdfFiles中的每个PDF文件。

#将当前工作目录中的所有PDF都合并到一起
import PyPDF2, os #❶
# 得到所有pdf 的名称
pdfFiles = []
for filename in os.listdir('.'):
    if filename.endswith('.pdf'):
        pdfFiles.append(filename)#❷ 
pdfFiles.sort(key=str.lower)#❸
pdfWriter = PyPDF2.PdfFileWriter()#❹
#循环遍历所有的PDF文件。
for filename in pdfFiles:
    pdfFileObj = open(filename, 'rb')
    pdfReader = PyPDF2.PdfFileReader(pdfFileObj)

对于每个PDF，循环通过调用open（）以“rb”作为第二个参数，以二进制模式打开文件名。 open（）调用返回一个File对象，该对象被传递给PyPDF2.PdfFileReader（）以为该PDF文件创建一个PdfFileReader对象。

步骤3：添加每个页面

对于每个PDF，您将需要循环除第一个以外的每个页面。

#将当前工作目录中的所有PDF都合并到一起
import PyPDF2, os #❶
# 得到所有pdf 的名称
pdfFiles = []
for filename in os.listdir('.'):
    if filename.endswith('.pdf'):
        pdfFiles.append(filename)#❷ 
pdfFiles.sort(key=str.lower)#❸
pdfWriter = PyPDF2.PdfFileWriter()#❹
#循环遍历所有的PDF文件。
for filename in pdfFiles:
    pdfFileObj = open(filename, 'rb')
    pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
#循环遍历所有页面（第一个除外）并添加它们。
for pageNum in range(1, pdfReader.numPages):#❶ 
    pageObj = pdfReader.getPage(pageNum)
    pdfWriter.addPage(pageObj)

for循环中的代码将每个Page对象单独复制到PdfF​​ileWriter对象。记住，你想跳过第一页。由于PyPDF2认为0是第一页，所以循环应该从1❶开始，然后上升到pdfReader.numPages中，但不包括整数。

步骤4：保存结果

在这些嵌套for循环完成循环后，pdfWriter变量将包含PdfFileWriter对象，并将所有PDF的页面组合在一起。最后一步是将此内容写入硬盘驱动器上的文件。

#将当前工作目录中的所有PDF都合并到一起
import PyPDF2, os #❶
# 得到所有pdf 的名称
pdfFiles = []
for filename in os.listdir('.'):
    if filename.endswith('.pdf'):
        pdfFiles.append(filename)#❷ 
pdfFiles.sort(key=str.lower)#❸
pdfWriter = PyPDF2.PdfFileWriter()#❹
#循环遍历所有的PDF文件。
for filename in pdfFiles:
    pdfFileObj = open(filename, 'rb')
    pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
#循环遍历所有页面（第一个除外）并添加它们。
for pageNum in range(1, pdfReader.numPages):#❶ 
    pageObj = pdfReader.getPage(pageNum)
    pdfWriter.addPage(pageObj)
#将生成的PDF保存到文件。
pdfOutput = open('allminutes.pdf', 'wb')
pdfWriter.write(pdfOutput)
pdfOutput.close()

将'wb'传递给open（）以二进制模式打开输出PDF文件allminutes.pdf。然后，将生成的File对象传递给write（）方法将创建实际的PDF文件。调用close（）方法完成该程序。

类似程序的想法

能够从其他PDF页面创建PDF将允许您制作可执行以下操作的程序：

• 从PDF中删除特定页面。
• 重新排序PDF中的页面。
• 从只有那些具有特定文本的页面创建一个PDF，由extractText（）标识。