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

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

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：

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'))

---