是否可以使用 Python 合并单独的 PDF 文件？
假设是这样，我需要进一步扩展它。我希望遍历目录中的文件夹并重复此过程。
而且我可能会碰运气，但是是否可以排除每个 PDF 中包含的页面（我的报告生成总是会创建一个额外的空白页面）。
问问题
206905 次
13 回答
341
文件连接
from PyPDF2 import PdfFileMerger
pdfs = ['file1.pdf', 'file2.pdf', 'file3.pdf', 'file4.pdf']
merger = PdfFileMerger()
for pdf in pdfs:
merger.append(pdf)
merger.write("result.pdf")
merger.close()
如果需要，您可以传递文件句柄而不是文件路径。
文件合并
如果您想要对合并进行更细粒度的控制，可以使用 的merge方法PdfMerger，它允许您在输出文件中指定插入点，这意味着您可以将页面插入文件中的任何位置。该append方法可以被认为是merge插入点是文件末尾的位置。
例如
merger.merge(2, pdf)
在这里，我们将整个 pdf 插入到输出中，但在第 2 页。
页面范围
如果您希望控制从特定文件附加哪些页面，您可以使用 and 的关键字pages参数，在表单中传递一个元组（如常规函数）。appendmerge(start, stop[, step])range
例如
merger.append(pdf, pages=(0, 3)) # first 3 pages
merger.append(pdf, pages=(0, 6, 2)) # pages 1,3, 5
如果您指定无效范围，您将获得一个IndexError.
注意：另外，为了避免文件保持打开状态，PdfFileMerger应该在写入合并文件时调用 s close 方法。这可确保所有文件都及时关闭（输入和输出）。遗憾的PdfFileMerger是没有实现为上下文管理器，因此我们可以使用with关键字，避免显式关闭调用并获得一些简单的异常安全性。
您可能还想查看pdfcat作为 pypdf2 的一部分提供的脚本。您可以完全避免编写代码的需要。
PyPdf2 github 还包含一些演示合并的示例代码。
PyMuPdf
另一个可能值得一看的库是PyMuPdf，它似乎得到了积极的维护。合并同样简单
从命令行：
python -m fitz join -o result.pdf file1.pdf file2.pdf file3.pdf
并从代码
import fitz
result = fitz.open()
for pdf in ['file1.pdf', 'file2.pdf', 'file3.pdf']:
with fitz.open(pdf) as mfile:
result.insertPDF(mfile)
result.save("result.pdf")
有很多选项，在项目wiki中有详细说明。
于 2016-06-21T13:12:13.840 回答
151
一个作为 PDF 工具包构建的纯 Python 库。它能够：
- 逐页拆分文档，
- 逐页合并文档，
（以及更多）
这是一个适用于两个版本的示例程序。
#!/usr/bin/env python
import sys
try:
from PyPDF2 import PdfFileReader, PdfFileWriter
except ImportError:
from pyPdf import PdfFileReader, PdfFileWriter
def pdf_cat(input_files, output_stream):
input_streams = []
try:
# First open all the files, then produce the output file, and
# finally close the input files. This is necessary because
# the data isn't read from the input files until the write
# operation. Thanks to
# https://stackoverflow.com/questions/6773631/problem-with-closing-python-pypdf-writing-getting-a-valueerror-i-o-operation/6773733#6773733
for input_file in input_files:
input_streams.append(open(input_file, 'rb'))
writer = PdfFileWriter()
for reader in map(PdfFileReader, input_streams):
for n in range(reader.getNumPages()):
writer.addPage(reader.getPage(n))
writer.write(output_stream)
finally:
for f in input_streams:
f.close()
output_stream.close()
if __name__ == '__main__':
if sys.platform == "win32":
import os, msvcrt
msvcrt.setmode(sys.stdout.fileno(), os.O_BINARY)
pdf_cat(sys.argv[1:], sys.stdout)
于 2010-08-09T22:40:53.067 回答
32
合并目录中存在的所有pdf文件
将pdf文件放在一个目录中。启动程序。您将获得一份合并了所有 pdf 的 pdf。
import os
from PyPDF2 import PdfFileMerger
x = [a for a in os.listdir() if a.endswith(".pdf")]
merger = PdfFileMerger()
for pdf in x:
merger.append(open(pdf, 'rb'))
with open("result.pdf", "wb") as fout:
merger.write(fout)
今天我将如何制作上面相同的代码
from glob import glob
from PyPDF2 import PdfFileMerger
def pdf_merge():
''' Merges all the pdf files in current directory '''
merger = PdfFileMerger()
allpdfs = [a for a in glob("*.pdf")]
[merger.append(pdf) for pdf in allpdfs]
with open("Merged_pdfs.pdf", "wb") as new_file:
merger.write(new_file)
if __name__ == "__main__":
pdf_merge()
于 2017-11-17T17:40:50.023 回答
13
假设您不需要保留书签和注释，并且您的 PDF 没有加密，图书馆可以很容易地做到这 一点pdfrw。cat.py是示例连接脚本，并且subset.py是示例页面子集脚本。
连接脚本的相关部分——假设inputs是输入文件名列表，并且outfn是输出文件名：
from pdfrw import PdfReader, PdfWriter
writer = PdfWriter()
for inpfn in inputs:
writer.addpages(PdfReader(inpfn).pages)
writer.write(outfn)
从这里可以看出，省略最后一页很容易，例如：
writer.addpages(PdfReader(inpfn).pages[:-1])
免责声明：我是主要pdfrw作者。
于 2017-04-02T00:04:57.367 回答
9
是否可以使用 Python 合并单独的 PDF 文件？
是的。
以下示例将一个文件夹中的所有文件合并为一个新的 PDF 文件：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from argparse import ArgumentParser
from glob import glob
from pyPdf import PdfFileReader, PdfFileWriter
import os
def merge(path, output_filename):
output = PdfFileWriter()
for pdffile in glob(path + os.sep + '*.pdf'):
if pdffile == output_filename:
continue
print("Parse '%s'" % pdffile)
document = PdfFileReader(open(pdffile, 'rb'))
for i in range(document.getNumPages()):
output.addPage(document.getPage(i))
print("Start writing '%s'" % output_filename)
with open(output_filename, "wb") as f:
output.write(f)
if __name__ == "__main__":
parser = ArgumentParser()
# Add more options if you like
parser.add_argument("-o", "--output",
dest="output_filename",
default="merged.pdf",
help="write merged PDF to FILE",
metavar="FILE")
parser.add_argument("-p", "--path",
dest="path",
default=".",
help="path of source PDF files")
args = parser.parse_args()
merge(args.path, args.output_filename)
于 2014-03-31T16:41:53.397 回答
3
from PyPDF2 import PdfFileMerger
import webbrowser
import os
dir_path = os.path.dirname(os.path.realpath(__file__))
def list_files(directory, extension):
return (f for f in os.listdir(directory) if f.endswith('.' + extension))
pdfs = list_files(dir_path, "pdf")
merger = PdfFileMerger()
for pdf in pdfs:
merger.append(open(pdf, 'rb'))
with open('result.pdf', 'wb') as fout:
merger.write(fout)
webbrowser.open_new('file://'+ dir_path + '/result.pdf')
于 2018-07-27T02:24:48.900 回答
2
在这里，http ://pieceofpy.com/2009/03/05/concatenating-pdf-with-python/ 给出了一个解决方案。
相似地：
from pyPdf import PdfFileWriter, PdfFileReader
def append_pdf(input,output):
[output.addPage(input.getPage(page_num)) for page_num in range(input.numPages)]
output = PdfFileWriter()
append_pdf(PdfFileReader(file("C:\\sample.pdf","rb")),output)
append_pdf(PdfFileReader(file("c:\\sample1.pdf","rb")),output)
append_pdf(PdfFileReader(file("c:\\sample2.pdf","rb")),output)
append_pdf(PdfFileReader(file("c:\\sample3.pdf","rb")),output)
output.write(file("c:\\combined.pdf","wb"))
于 2014-07-18T09:27:58.217 回答
1
您可以PdfFileMerger从PyPDF2模块中使用。
例如，要合并路径列表中的多个 PDF 文件，您可以使用以下函数：
from PyPDF2 import PdfFileMerger
# pass the path of the output final file.pdf and the list of paths
def merge_pdf(out_path: str, extracted_files: list [str]):
merger = PdfFileMerger()
for pdf in extracted_files:
merger.append(pdf)
merger.write(out_path)
merger.close()
merge_pdf('./final.pdf', extracted_files)
这个函数从父文件夹递归获取所有文件：
import os
# pass the path of the parent_folder
def fetch_all_files(parent_folder: str):
target_files = []
for path, subdirs, files in os.walk(parent_folder):
for name in files:
target_files.append(os.path.join(path, name))
return target_files
# get a list of all the paths of the pdf
extracted_files = fetch_all_files('./parent_folder')
parent_folder_path最后，您使用可以包含多个文档的两个函数 declaring.a和一个output_pdf_path用于合并 PDF 的目的地：
# get a list of all the paths of the pdf
parent_folder_path = './parent_folder'
outup_pdf_path = './final.pdf'
extracted_files = fetch_all_files(parent_folder_path)
merge_pdf(outup_pdf_path, extracted_files)
您可以从此处获取完整代码（来源）：如何使用 Python 合并 PDF 文档
于 2021-11-13T18:43:40.577 回答
1
使用字典的细微变化以获得更大的灵活性（例如排序、重复数据删除）：
import os
from PyPDF2 import PdfFileMerger
# use dict to sort by filepath or filename
file_dict = {}
for subdir, dirs, files in os.walk("<dir>"):
for file in files:
filepath = subdir + os.sep + file
# you can have multiple endswith
if filepath.endswith((".pdf", ".PDF")):
file_dict[file] = filepath
# use strict = False to ignore PdfReadError: Illegal character error
merger = PdfFileMerger(strict=False)
for k, v in file_dict.items():
print(k, v)
merger.append(v)
merger.write("combined_result.pdf")
于 2019-02-19T22:40:33.910 回答
0
示例代码可以是（取自文档）：
from glob import glob
from pikepdf import Pdf
pdf = Pdf.new()
for file in glob('*.pdf'): # you can change this to browse directories recursively
with Pdf.open(file) as src:
pdf.pages.extend(src.pages)
pdf.save('merged.pdf')
pdf.close()
如果您想排除页面，您可以采取另一种方式，例如将页面复制到新的 pdf 中（您可以选择不复制的页面，然后，pdf.pages对象的行为类似于列表）。
它仍在积极维护中，截至 2022 年 2 月，PyPDF2 和 pdfrw 似乎都不是这种情况。
我没有对它进行基准测试，所以我不知道它是否比其他解决方案更快或更慢。
就我而言，与 PyMuPDF 相比的一个优势是可以使用官方的 Ubuntu 软件包（python3-pikepdf），根据它来打包我自己的软件是很实用的。
于 2022-02-22T18:01:20.263 回答
0
我通过利用子进程在 linux 终端上使用了 pdf unity（假设目录中存在 one.pdf 和 two.pdf），目的是将它们合并到 three.pdf
import subprocess
subprocess.call(['pdfunite one.pdf two.pdf three.pdf'],shell=True)
于 2020-02-01T00:54:47.503 回答
0
这是针对我的特定用例的最常见答案的时间比较：组合 5 个大型单页 pdf 文件的列表。每个测试我跑了两次。
（免责声明：我在 Flask 中运行此功能，您的里程可能会有所不同）
TL;博士
pdfrw是我测试的 3 个中组合 pdf 的最快的库。
PyPDF2
start = time.time()
merger = PdfFileMerger()
for pdf in all_pdf_obj:
merger.append(
os.path.join(
os.getcwd(), pdf.filename # full path
)
)
formatted_name = f'Summary_Invoice_{date.today()}.pdf'
merge_file = os.path.join(os.getcwd(), formatted_name)
merger.write(merge_file)
merger.close()
end = time.time()
print(end - start) #1 66.50084733963013 #2 68.2995400428772
PyMuPDF
start = time.time()
result = fitz.open()
for pdf in all_pdf_obj:
with fitz.open(os.path.join(os.getcwd(), pdf.filename)) as mfile:
result.insertPDF(mfile)
formatted_name = f'Summary_Invoice_{date.today()}.pdf'
result.save(formatted_name)
end = time.time()
print(end - start) #1 2.7166640758514404 #2 1.694727897644043
pdfrw
start = time.time()
result = fitz.open()
writer = PdfWriter()
for pdf in all_pdf_obj:
writer.addpages(PdfReader(os.path.join(os.getcwd(), pdf.filename)).pages)
formatted_name = f'Summary_Invoice_{date.today()}.pdf'
writer.write(formatted_name)
end = time.time()
print(end - start) #1 0.6040127277374268 #2 0.9576816558837891
于 2021-07-30T05:31:38.890 回答
0
Giovanni G. PY 以一种易于使用的方式回答（至少对我而言）：
import os
from PyPDF2 import PdfFileMerger
def merge_pdfs(export_dir, input_dir, folder):
current_dir = os.path.join(input_dir, folder)
pdfs = os.listdir(current_dir)
merger = PdfFileMerger()
for pdf in pdfs:
merger.append(open(os.path.join(current_dir, pdf), 'rb'))
with open(os.path.join(export_dir, folder + ".pdf"), "wb") as fout:
merger.write(fout)
export_dir = r"E:\Output"
input_dir = r"E:\Input"
folders = os.listdir(input_dir)
[merge_pdfs(export_dir, input_dir, folder) for folder in folders];
于 2021-03-24T15:39:29.060 回答