python pdf 拼接为长图片

转载

lgmyxbjfu 2024-12-19 18:46:33

文章标签 python pdf 拼接为长图片 hive编程指南pdf python dd 合并二进制文件 Python 文章分类 Python 后端开发

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.❶ import PyPDF2, os　# Get all the PDF filenames.　pdfFiles = []　for filename in os.listdir('.'):　    if filename.endswith('.pdf'):❷         pdfFiles.append(filename)❸　pdfFiles.sort(key=str.lower)❹ 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❶。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❷。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❸。

代码创建了一个PdfFileWriter对象，保存合并后的PDF页面❹。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.❶     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，你需要跳过第一页。因为PyPDF2认为0是第一页，所以循环应该从1开始❶，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。