3

我正在编写一个脚本,用于解析 Internet 站点 (maya.tase.co.il) 中的链接、下载 pdf 文件并合并它们。它主要工作,但合并会给我不同类型的错误,具体取决于文件。我似乎无法弄清楚为什么。我剪掉了相关代码,只为两个导致问题的特定文件构建了一个测试。该脚本使用 pypdf,但我愿意尝试任何可行的方法。有些文件是加密的,有些不是。

def is_incry(pdf):
    from pyPdf import PdfFileWriter, PdfFileReader
    input=PdfFileReader(pdf)
    try:
        input.getNumPages()
        return input
    except:
        input.decrypt("")
        return input

def merg_pdf(to_keep,to_lose):
    import os
    from pyPdf import PdfFileWriter, PdfFileReader
    if os.path.exists(to_keep):
        in1=file(to_keep, "rb")
        in2=file(to_lose, "rb")
        input1 = is_incry(in1)
        input2 = is_incry(in2)
        output = PdfFileWriter()
        loop1=input1.getNumPages()
        for i in range(0,loop1):
            output.addPage(input1.getPage(i))#            
        loop2=input2.getNumPages()
        for i in range(0,loop2):
            output.addPage(input2.getPage(i))#
        outputStream = file("document-output.pdf", "wb")
        output.write(outputStream)
        outputStream.close()
        pdflen=loop1+loop2
        in1.close()
        in2.close()
        os.remove(to_lose)
        os.remove(to_keep)
        os.rename("document-output.pdf",to_keep)
    else:
        os.rename(to_lose,to_keep)
        in1=file(to_keep, "rb")
        input1 = PdfFileReader(in1)
        try:
            pdflen=input1.getNumPages()
        except:
            input1.decrypt("")
            pdflen=input1.getNumPages()
        in1.close()
        #input1.close()
    return pdflen


def test():
    import urllib
    urllib.urlretrieve ('http://mayafiles.tase.co.il/RPdf/487001-488000/P487028-01.pdf', 'temp1.pdf')
    urllib.urlretrieve ('http://mayafiles.tase.co.il/RPdf/488001-489000/P488170-00.pdf', 'temp2.pdf')
    merg_pdf('temp1.pdf','temp2.pdf')

test()

我感谢任何花时间阅读本文的人。铝。

4

2 回答 2

1

我曾经写过一个复杂的 PDF 生成/合并的东西,我现在已经开源了。

你可以看看它:https ://github.com/becomingGuru/nikecup/blob/master/reg/models.py#L71

def merge_pdf(self):
    from pyPdf import PdfFileReader,PdfFileWriter

    pdf_file = file_names['main_pdf']%settings.MEDIA_ROOT
    pdf_obj = PdfFileReader(open(pdf_file))

    values_page = PdfFileReader(open(self.make_pdf())).getPage(0)

    mergepage = pdf_obj.pages[0]
    mergepage.mergePage(values_page)

    signed_pdf = PdfFileWriter()
    for page in pdf_obj.pages:
        signed_pdf.addPage(page)

    signed_pdf_name = file_names['dl_done']%(settings.MEDIA_ROOT,self.phash)
    signed_pdf_file = open(signed_pdf_name,mode='wb')

    signed_pdf.write(signed_pdf_file)
    signed_pdf_file.close()
    return signed_pdf_name

然后它就像一个魅力。希望能帮助到你。

于 2011-07-18T18:36:35.713 回答
0

我使用 pyPdf 尝试了文档 - 看起来此文档中的 pdf 都已加密,并且空白密码 ("") 无效。

查看 adobe 中的安全设置,您可以打印和复制 - 但是,当您运行 pyPdf 的 input.decrypt("") 时,文件仍然是加密的(如 input.getNumPages() 之后仍然返回 0 )。

我能够在 OSX 的预览中打开它,并在没有加密的情况下保存 pdf,然后程序集工作正常。pyPdf 处理页面,所以我不认为你可以通过 pyPdf 做到这一点。要么找到正确的密码,要么使用其他应用程序,例如对 OpenOffice 使用批处理作业,或者使用其他 pdf 插件。

安全设定

于 2011-07-19T15:41:44.923 回答