6

我想使用 PyPDF2 拆分 pdf 文件。

网络中的所有示例都太难或不起作用或总是给出错误“AttributeError：'PdfFileWriter'对象没有属性'stream'”

有人可以帮忙吗？需要将一份 3 页的 pdf 文件分成三个不同的文件。

我从那开始：

pdfFileObj = open(r"D:\BPO\act.pdf", 'rb')
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
pdfWriter = PyPDF2.PdfFileWriter()
pdfWriter.addPage(pdfReader.getPage(0))

但不知道下一步该怎么做:(

编辑#1

尝试循环进行拆分，但我遇到了问题：PdfFileWriter 制作 3 个文件，其中一个是一页，第二个是两个，第三个是三个。我在以下代码中的错误在哪里：

act_sub_pages_name = ['p01.pdf', 'p02.pdf', 'p03.pdf']
with open(r"D:\BPO\act.pdf", 'rb') as act_mls:
    reader = PdfFileReader(act_mls)
    writer = PdfFileWriter()
    if reader.numPages == 3:
        counter = 0
        for x in range(3):
            path = '\\'.join(['D:\\BPO\\act sub pages', act_sub_pages_name[counter]])
            counter += 1
            writer.addPage(reader.getPage(x))
            with open(path, 'wb') as outfile: writer.write(outfile)

抱歉英语不好。

编辑#2

根据 Paul Rooney 的回答，我的解决方案：

act_pdf_file = 'D:\\BPO\\act.pdf'
act_sub_pages_name = ['p01.pdf', 'p02.pdf', 'p03.pdf']

def pdf_splitter(index, src_file):
    with open(src_file, 'rb') as act_mls:
        reader = PdfFileReader(act_mls)
        writer = PdfFileWriter()
        writer.addPage(reader.getPage(index))
        out_file = os.path.join('D:\\BPO\\act sub pages', act_sub_pages_name[index])
        with open(out_file, 'wb') as out_pdf: writer.write(out_pdf)

for x in range(3): pdf_splitter(x, act_pdf_file)

功能一切正常，但有点困难。

4

2 回答 2

23

您可以使用 的write方法将PdfFileWriter其写入文件。

from PyPDF2 import PdfFileReader, PdfFileWriter

with open("input.pdf", 'rb') as infile:

    reader = PdfFileReader(infile)
    writer = PdfFileWriter()
    writer.addPage(reader.getPage(0))

    with open('output.pdf', 'wb') as outfile:
        writer.write(outfile)

您可能想要遍历输入文件的页面，创建一个新的 writer 对象，添加一个页面。然后写出一个不断增加的文件名或有一些其他方案来决定输出文件名？

于 2017-07-17T13:11:38.887 回答
1

我使用了一个工具xpdf来完成这类任务，它真的非常好用。你可以在这里下载。

这是一个可以从 python 调用的命令行实用程序。确保它已添加到您的路径中，以便您可以从命令行调用它。

以下是如何从 python 接口它，使用subprocess：

import subprocess

text, _ = subprocess.Popen('pdftotext -fixed 0 -clip D:\\BPO\\act.pdf', 
                           shell=True, 
                           stdout=subprocess.PIPE).communicate()

pages = text.decode('latin-1').split('\f')

页面由换页符分隔，因此您将获得页面列表。

于 2017-07-17T12:51:20.147 回答