Question

我在Python中编写了一个脚本，它将按章/书签分割.pdf。这基本上是我的计划的关键：

for each chapter:
    system('pdftk A=file.pdf cat A{start}-{end} output file2.pdf')

该工具包很可爱，但一遍又一遍地调用它显然不是一个节省时间的任务。解析200mb .pdf文件需要15-20秒，并且在大约30个单独章节的范围内执行此操作需要很长时间。打开文件花费的时间比实际写入任何数据要多。

由于似乎没有一种固有的方法来在工具箱中串起多个命令，是否有任何内存技巧我可以用Python或CMD来解决这个问题（即保持.pdf打开）？我也会看另一个模块，如果你可以推荐一个（pyPdf有其自身的问题）。

Answer 1

要将pdf文件保存在内存中，请将其读入StringIO缓冲区并告诉pdftk从stdin读取。具体来说：使用subprocess.call代替os.system，将StringIO缓冲区作为stdin参数：

mybuffer = StringIO.StringIO(open('file.pdf').read())
subprocess.call('pdftk ...', stdin=mybuffer)

每次仍然需要重新解析pdf文件，但至少你不会比你必须更多地旋转你的硬盘。唯一真正快速的方法是使用可以一次完成它的工具（例如，解决你对pypdf的任何问题）。

Answer 2

如果您有一个包含20000页的input.pdf文件，并且您希望将其拆分为1..20.pdf文件，每个文件包含1000页。

for (( i=0; i<=20; i++ )); do let n=$i*1000; let m=$[i+1]*1000; pdftk input.pdf cat $n-$m output $i.pdf; done;