Python利用PyPDF2快速拆分PDF文件

「人生苦短，快學python」,因為這句口號，我也加入了學習python的浩浩大軍，但由於python真的是可以做的事情太多了，一時迷了眼，不知道自己應該去專攻哪個方向。

經過多方向試探，我還是選擇了廣而不深的web開發，python的web開發自然離不開大名鼎鼎的django,有一次突發奇想，**了django的pdf版文件，心想方便查閱，但懵逼的是pdf版竟然只有英文版，將近1900多頁，無奈只能找一些平台的文件翻譯功能，大部分需要付費，免費的限制很多，例如免費使用者每次最多只能翻譯5頁，而且文件大小最大不能超過5m到10m。

怎麼辦？學python的人會怕這個嗎？

拆分，拆分是最好的解決辦法，人工去拆嗎？1900多頁，估計得累死，那麼對於python來說，則非常簡單，今天跟隨我走入實戰，一起學習pypdf2模組，快速實現拆分，讓你真正理解什麼叫「人生苦短，我用python」!

這個模組嚴格區分大小寫，y是小寫，其餘大寫

pip3 install pypdf2

安裝完成之後呢，在本地硬碟建立乙個專門存放本專案的資料夾，我這裡在的存放路徑是 f:\python\pypdf2，在f盤有個python資料夾，在其中又建立了乙個以這個模組命名的資料夾，來單獨存放和與別的專案區分。

django官網**了他的幫助文件，這個文件足夠大，1900多頁，對於練手絕對夠了，有需要的去官網**，然後再建立乙個pdfcf.py 的專案檔案。

程式開始兩行，寫上下邊這兩句，第一句的意思是指定這個檔案的執行程式，第二句是對這個檔案的說明，這個的作用現在還看不出來，但如果你知道怎麼批量化快速執行程式，你就知道了它的作用，這裡不做贅述。

#! python

# pdfcf.py - pdf檔案拆分程式

不固定拆分成多少份，但固定每乙份由多少頁組成，然後來動態的計算拆分的份數，拆分思路有了，那麼下www.cppcns.com來就是列出計算公式。

拆分的份數= 文件總頁數 / 拆份每個pdf組成的頁數

舉個例子：

假如我們要拆分乙個總頁數為35頁的pdf文件，按照每10頁組成乙個新文件，那麼能拆分成多少份的計算公式如下：

3.5 = 35 / 10

這時候大家注意了，除不盡有餘數0.5，說明什麼？用這個例子來說就是拆分成3份還餘下5頁，那麼遇到這種情況不管餘數是幾都得向前進1，才能完成整個拆分，這個文件拆分的結果就是，前3個文件每個由10頁組成，第四個文件則由最後5頁組成，能整除則結果直接就是拆分的份數。

if 35 % 10: # 判斷是否有餘數

35 // 10 + 1 # 取餘數整數部分加1

else:

0 # 能整除則直接返回0

# 將這個迴圈寫到一行

4 = 35 // 10 + 1 if 35 % 10 else 0

還是以這個35頁的文件拆分為例：

迴圈遍歷每一頁資料 for num in range(35)，得到每一頁的資料，之後再指定拆分頁數範圍進行拆分：

我們發現規律，每次遍歷第乙個數字的規律是乙個文件的頁數，乘以自己屬於第幾個便可以得到。第二個數我們發現沒規律了，其實仔細觀察也有規律，假如我們對拆分個數排序，這個例子就是1--4，第二個數字就是當前屬於第幾個拆分數乘以每個文件組成的頁數（頁數是固定的10）。

可是我們第一次遍歷的時候從0開始，就讓num變得不通用，那麼我們改造一下從1開始遍歷，range(1,35),從一開始遍歷，基於range不包含本身最後乙個的特性，這樣遍歷出來就少了一頁文件，那麼我們給他加1，變成

具體遍歷**如下：

for num in range(1,35+1):

pass

for i in range(10 * (num-1), 10 * num if num != 4 else 35):

pass

注意：當遍歷到 num = 4（最後乙個文件排序數時），直接返回總頁數35就可以了，到這裡遍歷就結束了。這裡為什麼是總頁數35 而不是35+1呢？是因為此次遍歷我們是從0開始遍歷的，頁碼從0開始，所以不需要加1了。

import pypdf2

# 開啟乙個可讀的pdf物件

pdfreader = pypdf2.pdffilereader('django.pdf')

# 獲取pdf總頁數

pdfnums = pdfreader.numpages

# 每個拆分文件由多少頁組成

innumber = 100

# 計算拆分份數

outnums = pdfnums // innumber + 1 if pdfnums % innumber else 0

for num in range(1,pdfnums):

# 建立空白的pdf

pdfwriter = pypdf2.pdffilewriter()

# 提取指定頁面範圍

for pagenum in range(innumber * (num - 1), innumber * num if num != outnums else pdfnums):

# 獲取到每一頁的內容

pageobj = pdfreader.getpage(pagenum)

# 將每一頁的內容新增到第一次迴圈建立的空白文件物件中

pdfwriter.addpage(pageobj)

# 儲存並寫入本地檔案，並對每個文件重新命名

with open('pdfread %s' % num + '.pdf', 'wb') as pdfoutputfile:

pdfwriter.write(pdfoutputfile)

注意：上邊這種拆分思路我個人感覺比較繞，如果你對python列表的切邊以及步長概念理解透徹的話，我覺得不需要這麼複雜，只需要把總頁碼生成乙個大列表，再把這個列表利用切片的方法拆分成多個小列表，之後每個拆分的pdf頁碼範圍就是每個小列表第乙個數--最後乙個數+1，我把我用列表方法實現的**也貼出來供大家參考。

#! python

# pdfcf.py - pdf檔案拆分程式

import pypdf2

# import listcf

# 開啟乙個可讀的pdf物件

pdfreader = pypdf2.pdffilereader('django.pdf')

# 獲取pdf總頁數

pdfnums = pdfreader.numpages

# 將總頁碼迴圈到乙個列表中

pagenum_list = list(range(pdfnums))

n = 100

# 將總頁碼按照指定的個數分為多個小列表

page_list = [pagenum_list[i:i + n] for i in range(0, len(pagenum_list), n)]

for i in range(len(page_list)):

# 建立乙個空白的pdf

pdfwriter = pypdf2.pdffilewriter()

# 提取指定頁面

for pagenum in range(page_list[i][1], page_list[i][-1]+1):

pageobj = pdfreader.getpage(pagenum)

pdfwriter.addpage(pageobj)

with open('pdfread %s' % i hzxjxz+ '.pdf', 'wb') as pdfoutputfile:

pdfwriter.write(pdfoutputfile)

怎麼用？

在專案資料夾內部按住shift鍵，點選滑鼠右鍵，選擇在此處開啟命令視窗，輸入pdfcf.py，回車即可，根據自己的需求去更改 n 的值。

給大家分享下我的學習方法，一般在寫程式的時候盡量先不動手寫，而是先想思路，理清思路，這樣會避免在寫的過程中磕磕絆絆的情況，這個程式其實並不完美，還可以指定切分數量，自動計算每一頁包含多少，還可以只提取多頁到多少頁這種需求，所以後邊這兩個需求留給大家思考完成，後邊我會貼出自己的**及思路。

Python利用PyPDF2快速拆分PDF文件

Python利用PyPDF2庫獲取PDF檔案總頁碼

Python中用PyPDF2拆分pdf提取頁面

pyPdf和pyPdf2在合併pdf時的那個異常

Python利用PyPDF2快速拆分PDF文件

Python利用PyPDF2庫獲取PDF檔案總頁碼

Python中用PyPDF2拆分pdf提取頁面

pyPdf和pyPdf2在合併pdf時的那個異常

相關推薦