Python如何利用PyPDF2快速拆分PDF文檔

這篇文章主要講解了“Python如何利用PyPDF2快速拆分PDF文檔”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“Python如何利用PyPDF2快速拆分PDF文檔”吧！

這個模塊嚴格區(qū)分大小寫，y是小寫，其余大寫

pip3 install PyPDF2

安裝完成之后呢，在本地硬盤創(chuàng)建一個專門存放本項目的文件夾，我這里在的存放路徑是 F:PythonPyPDF2，在F盤有個Python文件夾，在其中又創(chuàng)建了一個以這個模塊命名的文件夾，來單獨存放和與別的項目區(qū)分。

創(chuàng)建文件，準備PDF文檔

Django官網(wǎng)下載了他的幫助文檔，這個文檔足夠大，1900多頁，對于練手絕對夠了，有需要的去官網(wǎng)下載，然后再創(chuàng)建一個PDFCF.py 的項目文件。

萬事俱備，準備開拆

程序開始兩行，寫上下邊這兩句，第一句的意思是指定這個文件的運行程序，第二句是對這個文件的說明，這個的作用現(xiàn)在還看不出來，但如果你知道怎么批量化快速執(zhí)行程序，你就知道了它的作用，這里不做贅述。

#! python
# PDFCF.py - pdf文件拆分程序

文檔的拆分思路

不固定拆分成多少份，但固定每一份由多少頁組成，然后來動態(tài)的計算拆分的份數(shù)，拆分思路有了，那么下來就是列出計算公式。

拆分的份數(shù)= 文檔總頁數(shù) / 拆份每個pdf組成的頁數(shù)

舉個例子：

假如我們要拆分一個總頁數(shù)為35頁的pdf文檔，按照每10頁組成一個新文檔，那么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，除不盡有余數(shù)0.5，說明什么？用這個例子來說就是拆分成3份還余下5頁，那么遇到這種情況不管余數(shù)是幾都得向前進1，才能完成整個拆分，這個文檔拆分的結(jié)果就是，前3個文檔每個由10頁組成，第四個文檔則由最后5頁組成，能整除則結(jié)果直接就是拆分的份數(shù)。

python拆分計算公式：

if 35 % 10:        # 判斷是否有余數(shù)
    35 // 10 + 1   # 取余數(shù)整數(shù)部分加1
else:
    0              # 能整除則直接返回0
  
# 將這個循環(huán)寫到一行
4 = 35 // 10 + 1 if 35 % 10 else 0

具體怎么拆？

還是以這個35頁的文檔拆分為例：
循環(huán)遍歷每一頁數(shù)據(jù) for num in range(35)，得到每一頁的數(shù)據(jù)，之后再指定拆分頁數(shù)范圍進行拆分：

• 第一個文檔從0--10，不包含10

• 第二個文檔從10--20 ，不包含20

• 第三個文檔從 20 -30，不包含30

• 第四個文檔從30--35，不包含35

我們發(fā)現(xiàn)規(guī)律，每次遍歷第一個數(shù)字的規(guī)律是 一個文檔的頁數(shù)，乘以自己屬于第幾個便可以得到。第二個數(shù)我們發(fā)現(xiàn)沒規(guī)律了，其實仔細觀察也有規(guī)律，假如我們對拆分個數(shù)排序，這個例子就是1--4，第二個數(shù)字就是當(dāng)前屬于第幾個拆分數(shù)乘以每個文檔組成的頁數(shù)（頁數(shù)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，那么我們改造一下從1開始遍歷，range(1,35),從一開始遍歷，基于range不包含本身最后一個的特性，這樣遍歷出來就少了一頁文檔，那么我們給他加1，變成

• for num in range(1, 35+1)

• 第一個文檔從10*(1-1)--10*1，不包含10

• 第二個文檔從10*(2-1)--10*2 ，不包含20

• 第三個文檔從 10*(3-1) -10*3, 不包含30

• 第四個文檔從10(4-1)--35

具體遍歷代碼如下：

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(dāng)遍歷到 num = 4（最后一個文檔排序數(shù)時），直接返回 總頁數(shù)35就可以了，到這里遍歷就結(jié)束了。這里為什么是總頁數(shù)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。

完整拆分程序：

import PyPDF2

# 打開一個可讀的pdf對象
pdfReader = PyPDF2.PdfFileReader("django.pdf")
# 獲取pdf總頁數(shù)
pdfnums = pdfReader.numPages
# 每個拆分文檔由多少頁組成
innumber = 100
# 計算拆分份數(shù)
outnums = pdfnums // innumber + 1 if pdfnums % innumber else 0

for num in range(1,pdfnums):
    # 創(chuàng)建空白的pdf
    pdfWriter = PyPDF2.PdfFileWriter()
    # 提取指定頁面范圍
    for pageNum in range(innumber * (num - 1), innumber * num if num != outnums else pdfnums):
        # 獲取到每一頁的內(nèi)容
        pageObj = pdfReader.getPage(pageNum)
        # 將每一頁的內(nèi)容添加到第一次循環(huán)創(chuàng)建的空白文檔對象中
        pdfWriter.addPage(pageObj)
    # 保存并寫入本地文件，并對每個文檔重命名
    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，我覺得不需要這么復(fù)雜，只需要把總頁碼生成一個大列表，再把這個列表利用切片的方法拆分成多個小列表，之后每個拆分的pdf頁碼范圍就是每個小列表第一個數(shù)--最后一個數(shù)+1，我把我用列表方法實現(xiàn)的代碼也貼出來供大家參考。

列表拆分法實現(xiàn)拆分PDF

#! python
# PDFCF.py - pdf文件拆分程序

import PyPDF2
# import LISTCF

# 打開一個可讀的pdf對象
pdfReader = PyPDF2.PdfFileReader("django.pdf")
# 獲取pdf總頁數(shù)
pdfnums = pdfReader.numPages
  

# 將總頁碼循環(huán)到一個列表中
pagenum_list = list(range(pdfnums))

n = 100

# 將總頁碼按照指定的個數(shù)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)):
  # 創(chuàng)建一個空白的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 + ".pdf", "wb") as pdfOutputFile:
    pdfWriter.write(pdfOutputFile)

怎么用？

在項目文件夾內(nèi)部按住Shift鍵，點擊鼠標右鍵，選擇在此處打開命令窗口，輸入PDFCF.py，回車即可，根據(jù)自己的需求去更改 n 的值。

感謝各位的閱讀，以上就是“Python如何利用PyPDF2快速拆分PDF文檔”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對Python如何利用PyPDF2快速拆分PDF文檔這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！