Python对PDF文件的合并操作

在处理 PDF 文件时，合并多个 PDF 文件为一个单一文件或者将某个单一文件插入某个PDF文件是一个常见的需求。Python 提供了多种库来实现这一功能，其中 PyPDF2 是一个非常流行的选择。该库提供了简单易用的接口，包括 merge() 方法，可以将多个 PDF 文件合并成一个文件。

基本概念

PDF 合并: 将两个或更多的 PDF 文件组合成一个新的 PDF 文件，保留所有原始文件的页面和内容。
PDF插入：将某个PDF文件插入到PDF文件的指定位置，最终形成一个新的文件。
merge() 方法: 在 PyPDF2 中，此方法用于将一个 PDF 文件的内容追加到另一个 PDF 文件中。

环境准备

首先，确保已经安装了 PyPDF2 库。如果尚未安装，可以通过以下命令安装：

pip install PyPDF2

使用示例（1）

下面是使用 PyPDF2 的 merge() 方法合并 PDF 文件的基本示例：

例如某文件夹（本例是practice_files）中有merge1.pdf、merge2.pdf、merge3.pdf这样3个PDF。如下所示：

在这里插入图片描述

利用PdfMerger实例通过.append()方法将merge1.pdf和merge2.pdf拼接到一起。将拼接后的PDF保存为home目录中的concatenated.pdf文件。

from pathlib import Path
from PyPDF2 import PdfMerger# 定义 PDF 文件所在的目录路径，使用当前工作目录下的 'practice_files' 文件夹
pdf_dirs = Path.cwd() / 'practice_files'# 使用 glob 方法查找以 'mer' 开头并以 '.pdf' 结尾的所有 PDF 文件
pdf_files = list(pdf_dirs.glob('mer*.pdf'))  # 将文件列表按数字顺序排列
pdf_files.sort() # 创建一个 PdfMerger 对象，用于合并 PDF 文件
pdf_merger = PdfMerger()# 遍历排序后的 PDF 文件列表，最多合并前两个文件
for pdf_file in pdf_files[:2]:  # 只处理前两个文件pdf_merger.append(pdf_file)  # 将每个 PDF 文件添加到合并器中# 在用户主目录下创建一个新的 PDF 文件 'concatenated.pdf'，以写入模式打开
with Path.home().joinpath('concatenated.pdf').open('wb') as f:pdf_merger.write(f)  # 将合并后的内容写入新文件

运行结果如下：

在这里插入图片描述

代码解释

导入模块:
- from pathlib import Path: 导入 Path 类，用于处理文件路径。
- from PyPDF2 import PdfMerger: 导入 PdfMerger 类，用于合并 PDF 文件。
定义 PDF 文件目录:
- pdf_dirs = Path.cwd() / 'practice_files': 使用 Path.cwd() 获取当前工作目录，并与 'practice_files' 连接，构建包含待合并 PDF 文件的目录路径。
查找 PDF 文件:
- pdf_files = list(pdf_dirs.glob('mer*.pdf')): 使用 glob 方法查找该目录下所有以 'mer' 开头且以 .pdf 结尾的文件。返回的是一个生成器，所以需要将其转换为列表。
排序文件:
- pdf_files.sort(): 对找到的 PDF 文件进行排序。这会按字母顺序排列，但如果文件名中包含数字（如 mer1.pdf, mer10.pdf），则可能不符合预期的数值顺序。如果需要按数值顺序进行更复杂的排序，可以使用自定义排序函数。
创建 PDF 合并器:
- pdf_merger = PdfMerger(): 实例化一个 PdfMerger 对象，以便在后续步骤中合并 PDF 文件。
合并文件:
- for pdf_file in pdf_files[:2]: 迭代排序后的 PDF 文件列表，但仅限于前两个文件。
- pdf_merger.append(pdf_file): 将当前 PDF 文件添加到 PdfMerger 对象中供合并。
写入合并结果:
- with Path.home().joinpath('concatenated.pdf').open('wb') as f: 创建一个新的文件路径，位于用户的主目录中，文件名为 concatenated.pdf，以二进制写入模式打开。
- pdf_merger.write(f): 将合并后的 PDF 内容写入到打开的文件对象 f 中。

小结

这段代码的整体功能是从当前工作目录下的 practice_files 文件夹中查找以 'mer' 开头的 PDF 文件，按顺序排序，然后合并前两个文件，并将合并后的结果保存为 concatenated.pdf 到用户的主目录下。

使用示例（2）

创建一个新的PdfMerger实例，使用.merge()方法将merge3.pdf插入到示例（1）中的concatenated.pdf文件的两页之间。将新的文件保存为home目录中的merged.pdf，最终应该得到一个有3页的PDF。第1页数字1，第2页数字2，第3页数字3。

代码如下：

from pathlib import Path
from PyPDF2 import PdfMerger# 创建 PdfMerger 对象，用于合并 PDF 文件
pdf_merger = PdfMerger()# 定义合并后的 PDF 文件路径，位置在用户的主目录下，文件名为 'concatenated.pdf'
pdf_path = Path.home().joinpath('concatenated.pdf')# 获取当前工作目录下所有以 'mer' 开头的 PDF 文件，并将其转换为列表
pdf_lst = list(Path.cwd().glob('mer*.pdf'))
# 对列表进行排序
pdf_lst.sort()# 将已存在的 'concatenated.pdf' 文件添加到合并器中
pdf_merger.append(str(pdf_path))# 在现有的合并结果后，将 pdf_lst 列表中的第三个 PDF 文件（索引为 2）合并进来
pdf_merger.merge(1, pdf_lst[2])# 在当前工作目录下创建一个新的 PDF 文件 'mer1.pdf'，以写入模式打开
with Path.cwd().joinpath('mer1.pdf').open('wb') as f:# 将合并后的内容写入到新创建的文件中pdf_merger.write(f)

运行结果如下：
在这里插入图片描述

代码解释

导入模块:
- from pathlib import Path: 导入 Path 类，以便处理路径。
- from PyPDF2 import PdfMerger: 导入 PdfMerger 类，用于合并 PDF 文件。
创建合并器:
- pdf_merger = PdfMerger(): 实例化一个 PdfMerger 对象，准备对 PDF 文件进行合并操作。
定义输出路径:
- pdf_path = Path.home().joinpath('concatenated.pdf'): 创建一个包含合并后 PDF 文件路径的对象，指向用户主目录下的 concatenated.pdf。
查找 PDF 文件:
- pdf_lst = list(Path.cwd().glob('mer*.pdf')): 使用 glob 方法获取当前工作目录下所有以 'mer' 开头的 PDF 文件，并将其转换为列表。
- pdf_lst.sort(): 对找到的 PDF 文件按字母顺序进行排序。
添加文件到合并器:
- pdf_merger.append(str(pdf_path)): 将之前定义的 concatenated.pdf 文件路径添加到 PDF 合并器中。由于该文件可能已经存在，这一行的作用可能是将其作为已有的合并基础。
合并另一个 PDF 文件:
- pdf_merger.merge(1, pdf_lst[2]): 将 pdf_lst 列表中的第三个 PDF 文件（由于索引从零开始，所以是 pdf_lst[2]）合并到第一个位置之后（位置索引为 1）。这意味着合并操作将在已经存在的内容之后添加新的页面。
写入新的合并文件:
- with Path.cwd().joinpath('mer1.pdf').open('wb') as f: 在当前工作目录下创建一个名为 mer1.pdf 的新 PDF 文件，并以二进制写入模式打开它。
- pdf_merger.write(f): 将合并后的 PDF 内容写入到新创建的 mer1.pdf 文件中。