用Python批量合并PDF

PDF是一种功能强大的文件格式，但有时我们需要将多个PDF文件合并为一个。在本文中，我们将介绍使用Python进行批量合并PDF的方法。

一、安装必要的库

在使用Python对PDF进行合并之前，我们需要安装几个必要的库：PyPDF2、os、re。

pip install PyPDF2

二、读取多个PDF文件

要合并多个PDF文件，我们需要在Python中读取它们。下面是一个用于读取所有PDF文件的简单函数。

import os
import re
from PyPDF2 import PdfFileReader, PdfFileWriter

def get_file_list(path):
    """返回给定路径下所有PDF文件的名称列表"""
    files = os.listdir(path)
    pdf_files = []
    for file in files:
        if re.search(".pdf", file):
            pdf_files.append(file)
    return pdf_files

def merge_pdfs(path, output):
    """将路径下的所有PDF文件合并至指定文件"""
    pdf_writer = PdfFileWriter()
    files = get_file_list(path)
    for file in files:
        with open(os.path.join(path, file), "rb") as pdf_file:
            pdf_reader = PdfFileReader(pdf_file)
            for page in range(pdf_reader.getNumPages()):
                pdf_writer.addPage(pdf_reader.getPage(page))
    with open(output, "wb") as out:
        pdf_writer.write(out)

get_file_list函数负责获取给定路径下所有的PDF文件名称并以列表形式返回。merge_pdfs函数负责打开每个PDF文件，逐页读取并添加到PdfFileWriter中。最后，通过write函数将所有页面写入单个PDF文件。

三、调用函数进行PDF合并

现在，我们已经准备好将所有PDF文件组合成一个大文件。以下代码演示了如何调用函数。

path = "pdfs"
output = "merged.pdf"
merge_pdfs(path, output)
print("所有PDF文件已合并为一个PDF文件")

如果您的pdf文件存储在pdfs文件夹中，则将所有pdf文件合并在一起的新PDF文件将写入名为“merged.pdf”的文件中。然后，我们只需打印一条消息来确认所有PDF文件已成功合并。

四、解决文件夹中有多余文件的问题

如果存储PDF文件的文件夹中包含其他文件类型，则get_file_list函数将无法正确识别和过滤出PDF文件。为了解决这个问题，我们可以在函数中添加文件类型过滤器，只选择PDF文件。

def get_file_list(path):
    """返回给定路径下所有PDF文件的名称列表"""
    files = os.listdir(path)
    pdf_files = []
    for file in files:
        if re.search(".pdf", file):
            pdf_files.append(file)
    return pdf_files

五、处理加密文件

有时我们可能会遇到需要合并加密PDF文件的情况。在这种情况下，我们需要提供每个加密文件的密码。下面是一个处理加密PDF文件的函数示例。

def merge_pdfs(path, output, password=None):
    """将一个或多个PDF文件合并到单个文件中，“password”参数用于访问加密的PDF文件"""
    pdf_writer = PdfFileWriter()
    files = get_file_list(path)
    for file in files:
        with open(os.path.join(path, file), "rb") as pdf_file:
            pdf_reader = PdfFileReader(pdf_file)
            # 如果PDF文件为加密文件，则提供密码
            if pdf_reader.isEncrypted:
                pdf_reader.decrypt(password)
            for page in range(pdf_reader.getNumPages()):
                pdf_writer.addPage(pdf_reader.getPage(page))
    with open(output, "wb") as out:
        pdf_writer.write(out)

现在我们可以通过向merge_pdfs函数提供密码参数来处理加密的PDF文件。如果PDF文件未加密，则可以忽略password参数。

六、总结

在本文中，我们已经学习了使用Python批量合并PDF文件的方法。我们安装了必要的库，读取了多个PDF文件，并使用PyPDF2库将它们组合成一个文件。我们还解决了处理加密PDF文件和文件夹中有其他文件的情况。