使用python将多页pdf文件拆分为多个pdf文件？

Posted 2023-02-24

【中文标题】使用python将多页pdf文件拆分为多个pdf文件？

【英文标题】：split a multi-page pdf file into multiple pdf files with python?

【发布时间】：2010-10-04 03:53:22

【问题描述】：

我想获取一个多页的 pdf 文件并为每页创建单独的 pdf 文件。

我已经下载了reportlab 并浏览了文档，但它似乎是针对 pdf 生成的。我还没有看到任何关于自己处理 PDF 文件的内容。

有没有简单的方法在 python 中做到这一点？

【参考方案1】：

from PyPDF2 import PdfFileWriter, PdfFileReader

inputpdf = PdfFileReader(open("document.pdf", "rb"))

for i in range(inputpdf.numPages):
    output = PdfFileWriter()
    output.addPage(inputpdf.getPage(i))
    with open("document-page%s.pdf" % i, "wb") as outputStream:
        output.write(outputStream)

等等

【讨论】：

@user26294：您可能应该更新您的代码以使用 PyPDF2，它是 pyPdf 的积极维护的继任者。只需将from pyPdf import ... 替换为from PyPDF2 import ...。

pyPdf 不再维护，并已通过mstamy2.github.io/PyPDF2上的 pyPdf2 实现接管

用户with open("document-page%s.pdf" % (i+1), "wb") as outputStream:，如果您希望您的文件以从 1 而不是 0 开始的索引命名。

如果您有PdfReadError: Multiple definitions in dictionary at byte，您可以将输入的pdf变量修改为：pdf = PdfFileReader(open("document.pdf", "rb"), strict=False)

【参考方案2】：

我在这里错过了一个解决方案，您将 PDF 拆分为由所有页面组成的两个部分，因此如果有人正在寻找相同的解决方案，我会附加我的解决方案：

from PyPDF2 import PdfFileWriter, PdfFileReader

def split_pdf_to_two(filename,page_number):
    pdf_reader = PdfFileReader(open(filename, "rb"))
    try:
        assert page_number < pdf_reader.numPages
        pdf_writer1 = PdfFileWriter()
        pdf_writer2 = PdfFileWriter()

        for page in range(page_number):
            pdf_writer1.addPage(pdf_reader.getPage(page))

        for page in range(page_number,pdf_reader.getNumPages()):
            pdf_writer2.addPage(pdf_reader.getPage(page))

        with open("part1.pdf", 'wb') as file1:
            pdf_writer1.write(file1)

        with open("part2.pdf", 'wb') as file2:
            pdf_writer2.write(file2)

    except AssertionError as e:
        print("Error: The PDF you are cutting has less pages than you want to cut!")

【参考方案3】：

我知道该代码与 python 无关，但是我想发布这段简单、灵活且效果惊人的 R 代码。 R 中的 PDFtools 包在轻松拆分合并 PDF 方面非常出色。

library(pdftools) #Rpackage
pdf_subset('D:\\file\\20.02.20\\22 GT 2017.pdf',
           pages = 1:51, output = "subset.pdf")

【讨论】：

这里的页数是硬编码的。无论如何要自动做到这一点？

【参考方案4】：

PyPDF2 包使您能够将单个 PDF 拆分为多个。

import os
from PyPDF2 import PdfFileReader, PdfFileWriter

pdf = PdfFileReader(path)
for page in range(pdf.getNumPages()):
    pdf_writer = PdfFileWriter()
    pdf_writer.addPage(pdf.getPage(page))

    output_filename = '_page_.pdf'.format(fname, page+1)

    with open(output_filename, 'wb') as out:
        pdf_writer.write(out)

    print('Created: '.format(output_filename))

来源：https://www.blog.pythonlibrary.org/2018/04/11/splitting-and-merging-pdfs-with-python/

【讨论】：

添加页码选择并将其包装在一个函数中：gist.github.com/shanecandoit/b3b90fa4532aeedce6400c0084981933