开发者社区> dasein58> 正文
阿里云
为了无法计算的价值
打开APP
阿里云APP内打开

如何使用Python将几十个PDF文件合并成一个PDF?其实只需要这四步

简介:   假定你有一个很无聊的任务,需要将几十个PDF文件合并成一个PDF文件。每一个文件都有一个封面作为第一页,但你不希望合并后的文件中重复出现这些封面。即使有许多免费的程序可以合并PDF,很多也只是简单的将文件合并在一起。让我们来写一个Python程序,定制需要合并到PDF中的页面。   总的来说,该程序需要完成:   找到当前工作目录中所有PDF文件。按文件名排序,这样就能有序地添加这些PDF。除了第一页之外,将每个PDF的所有页面写入输出的文件。   从实现的角度来看,代码需要完成下列任务:   调用os.listdir(),找到当前工作目录中的所有文件,去除掉非PDF文件。调用Py
+关注继续查看

  假定你有一个很无聊的任务,需要将几十个PDF文件合并成一个PDF文件。每一个文件都有一个封面作为第一页,但你不希望合并后的文件中重复出现这些封面。即使有许多免费的程序可以合并PDF,很多也只是简单的将文件合并在一起。让我们来写一个Python程序,定制需要合并到PDF中的页面。

  总的来说,该程序需要完成:

  找到当前工作目录中所有PDF文件。按文件名排序,这样就能有序地添加这些PDF。除了第一页之外,将每个PDF的所有页面写入输出的文件。

  从实现的角度来看,代码需要完成下列任务:

  调用os.listdir(),找到当前工作目录中的所有文件,去除掉非PDF文件。调用Python的sort()列表方法,对文件名按字母排序。为输出的PDF文件创建PdfFileWriter对象。循环遍历每个PDF文件,为它创建PdfFileReader对象。针对每个PDF文件,循环遍历每一页,第一页除外。将页面添加到输出的PDF。将输出的PDF写入一个文件,名为allminutes.pdf。

  针对这个项目,打开一个新的文件编辑器窗口,将它保存为combinePdfs.py。

  第1步:找到所有PDF文件

  首先,程序需要取得当前工作目录中所有带.pdf扩展名的文件列表,并对它们排序。让你的代码看起来像这样:

  #! python3

  # combinePdfs.py - Combines all the PDFs in the current working directory into

  # into a single PDF.

  ? import PyPDF2, os

  # Get all the PDF filenames.

  pdfFiles=[]

  for filename in os.listdir('.'):

  if filename.endswith('.pdf'):

  ? pdfFiles.append(filename)

  ? pdfFiles.sort(key=str.lower)

  ? pdfWriter=PyPDF2.PdfFileWriter()

  # TODO: Loop through all the PDF files.

  # TODO: Loop through all the pages (except the first) and add them.

  # TODO: Save the resulting PDF to a file.

  在#!行和介绍程序做什么的描述性注释之后,代码导入了os和PyPDF2模块?。os.listdir('.')调用将返回当前工作目录中所有文件的列表。代码循环遍历这个列表,将带有.pdf扩展名的文件添加到pdfFiles中?。然后,列表按照字典顺序排序,调用sort()时带有key/str.lower关键字参数?。

  代码创建了一个PdfFileWriter对象,保存合并后的PDF页面?。最后,一些注释语句简要描述了剩下的程序。

  第2步:打开每个PDF文件

  现在,程序必须读取pdfFiles中的每个PDF文件。在程序中加入以下代码:

  #! python3

  # combinePdfs.py - Combines all the PDFs in the current working directory into

  # a single PDF.

  import PyPDF2, os

  # Get all the PDF filenames.

  pdfFiles=[]

  --snip--

  # Loop through all the PDF files.

  for filename in pdfFiles:

  pdfFileObj=open(filename, 'rb')

  pdfReader=PyPDF2.PdfFileReader(pdfFileObj)

  # TODO: Loop through all the pages (except the first) and add them.

  # TODO: Save the resulting PDF to a file.

  针对每个PDF文件,循环内的代码调用open(),以'wb'作为第二个参数,用读二进制的模式打开文件。open()调用返回一个 File 对象,它被传递给PyPDF2.PdfFileReader(),创建针对那个PDF文件的PdfFileReader对象。

  第3步:添加每一页

  针对每个PDF文件,需要循环遍历每一页,第一页除外。在程序中添加以下代码:

  #! python3

  # combinePdfs.py - Combines all the PDFs in the current working directory into

  # a single PDF.

  import PyPDF2, os

  --snip--

  # Loop through all the PDF files.

  for filename in pdfFiles:

  --snip--

  # Loop through all the pages (except the first) and add them.

  ? for pageNum in range(1, pdfReader.numPages):

  pageObj=pdfReader.getPage(pageNum)

  pdfWriter.addPage(pageObj)

  # TODO: Save the resulting PDF to a file.

  for循环内的代码将每个Page对象拷贝到PdfFileWriter对象。要记住,你需要跳过技术教程第一页。因为PyPDF2认为0是第一页,所以循环应该从1开始?,然后向上增长到pdfReader.numPages中的整数,但不包括它。

  第4步:保存结果

  在这些嵌套的for循环完成后,pdfWriter变量将包含一个PdfFileWriter对象,合并了所有PDF的页面。最后一步是将这些内容写入硬盘上的一个文件。在程序中添加以下代码:

  #! python3

  # combinePdfs.py - Combines all the PDFs in the current working directory into

  # a single PDF.

  import PyPDF2, os

  --snip--

  # Loop through all the PDF files.

  for filename in pdfFiles:

  --snip--

  # Loop through all the pages (except the first) and add them.

  for pageNum in range(1, pdfReader.numPages):

  --snip--

  # Save the resulting PDF to a file.

  pdfOutput=open('allminutes.pdf', 'wb')

  pdfWriter.write(pdfOutput)

  pdfOutput.close()

  向open()传入'wb',以写二进制的模式打开输出PDF文件allminutes.pdf。然后,将得到的File对象传给write()方法,创建实际的PDF文件。调用close()方法,结束程序。

  第5步:类似程序的想法

  能够利用其他PDF文件的页面创建PDF文件,这让你的程序能完成以下任务:

  从PDF文件中截取特定的页面。重新调整PDF文件中页面的次序。创建一个PDF文件,只包含那些具有特定文本的页面。文本由extractText()来确定。

  本文摘自:《Python编程快速上手 让繁琐工作自动化》

  本书是一本面向实践的Python编程实用指南。本书的目的,不仅是介绍Python语言的基础知识,而且还通过项目实践教会读者如何应用这些知识和技能。本书的第一部分介绍了基本的Python编程概念,第二部分介绍了一些不同的任务,通过编写Python程序,可以让计算机自动完成它们。第二部分的每一章都有一些项目程序,供读者学习。每章的末尾还提供了一些习题和深入的实践项目,帮助读者巩固所学的知识。附录部分提供了所有习题的解答。

  本书适合任何想要通过Python学习编程的读者,尤其适合缺乏编程基础的初学者。通过阅读本书,读者将能利用最强大的编程语言和工具,并且将体会到Python编程的快乐。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
Python编程:MySQLdb模块对数据库的基本增删改查操作
Python编程:MySQLdb模块对数据库的基本增删改查操作
0 0
Python编程:entry_points将Python模块转变为命令行工具
Python编程:entry_points将Python模块转变为命令行工具
0 0
Python编程:SQLAlchemy查询数据没有变化
遇到一个问题,使用一条相同的sql,多次查询数据库,每次数据都一样,而且数据库更新了,也没有查到新数据 经过Google,发现是SQLAlchemy的缓存机制导致的 设置隔离级别参数isolation_level 就可以解决
0 0
Python程序设计 实验9:GUI编程
Python程序设计 实验9:GUI编程
0 0
Python编程:运行目录或zip压缩文件
Python编程:运行目录或zip压缩文件
0 0
Python编程:PyThink数据库交互模块提高爬虫编写速度
Python编程:PyThink数据库交互模块提高爬虫编写速度
0 0
Python编程:glob模块进行文件名模式匹配
Python编程:glob模块进行文件名模式匹配
0 0
Python编程:heapq模块堆排序
堆是一个二叉树,其中每个父节点的值都小于或等于其所有子节点的值。 整个堆的最小元素总是位于二叉树的根节点。 python的heapq模块提供了对堆的支持。 堆数据结构最重要的特征是heap[0]永远是最小的元素
0 0
Python编程:实现消息发布/订阅模型
Python编程:实现消息发布/订阅模型
0 0
+关注
文章
问答
文章排行榜
最热
最新
相关电子书
更多
Python第五讲——关于爬虫如何做js逆向的思路
立即下载
Python 脚本速查手册
立即下载
yqdh_58c1285992e...1510400751.pdf
立即下载