使用Python可以合并单独的PDF文件吗？
假设是这样，我需要进一步扩展它。我希望循环遍历目录中的文件夹并重复此过程。
我可能会推动我的运气，但是可以排除PDF中包含的页面（我的报告生成总是创建一个额外的空白页面）。
答案 0 :(得分：114)
较新的PyPdf2库有一个PdfMerger类，可以像这样使用。
示例：
from PyPDF2 import PdfFileMerger
pdfs = ['file1.pdf', 'file2.pdf', 'file3.pdf', 'file4.pdf']
merger = PdfFileMerger()
for pdf in pdfs:
merger.append(open(pdf, 'rb'))
with open('result.pdf', 'wb') as fout:
merger.write(fout)
append方法似乎需要一个惰性文件对象。也就是说它不会立即读取文件。它会等到调用write方法。如果您使用范围打开（即with），它会将空白页附加到生成的文件中，因为此时输入文件已关闭。
如果文件句柄生存期存在问题，最简单的方法是传递append文件名字符串并允许它处理文件生存期。
即
from PyPDF2 import PdfFileMerger
pdfs = ['file1.pdf', 'file2.pdf', 'file3.pdf', 'file4.pdf']
merger = PdfFileMerger()
for pdf in pdfs:
merger.append(pdf)
merger.write("result.pdf")
您可能还想查看作为pypdf2一部分提供的pdfcat脚本。您可以完全避免编写代码。
答案 1 :(得分：94)
作为PDF工具包构建的Pure-Python库。它能够：
*逐页拆分文件，
*逐页合并文档，
（还有更多）
这是一个适用于这两个版本的示例程序。
#!/usr/bin/env python
import sys
try:
from PyPDF2 import PdfFileReader, PdfFileWriter
except ImportError:
from pyPdf import PdfFileReader, PdfFileWriter
def pdf_cat(input_files, output_stream):
input_streams = []
try:
# First open all the files, then produce the output file, and
# finally close the input files. This is necessary because
# the data isn't read from the input files until the write
# operation. Thanks to
# https://stackoverflow.com/questions/6773631/problem-with-closing-python-pypdf-writing-getting-a-valueerror-i-o-operation/6773733#6773733
for input_file in input_files:
input_streams.append(open(input_file, 'rb'))
writer = PdfFileWriter()
for reader in map(PdfFileReader, input_streams):
for n in range(reader.getNumPages()):
writer.addPage(reader.getPage(n))
writer.write(output_stream)
finally:
for f in input_streams:
f.close()
if __name__ == '__main__':
if sys.platform == "win32":
import os, msvcrt
msvcrt.setmode(sys.stdout.fileno(), os.O_BINARY)
pdf_cat(sys.argv[1:], sys.stdout)
答案 2 :(得分：5)
是否可以使用Python合并单独的PDF文件？
是
以下示例将一个文件夹中的所有文件合并为一个新的PDF文件：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from argparse import ArgumentParser
from glob import glob
from pyPdf import PdfFileReader, PdfFileWriter
import os
def merge(path, output_filename):
output = PdfFileWriter()
for pdffile in glob(path + os.sep + '*.pdf'):
if pdffile == output_filename:
continue
print("Parse '%s'" % pdffile)
document = PdfFileReader(open(pdffile, 'rb'))
for i in range(document.getNumPages()):
output.addPage(document.getPage(i))
print("Start writing '%s'" % output_filename)
with open(output_filename, "wb") as f:
output.write(f)
if __name__ == "__main__":
parser = ArgumentParser()
# Add more options if you like
parser.add_argument("-o", "--output",
dest="output_filename",
default="merged.pdf",
help="write merged PDF to FILE",
metavar="FILE")
parser.add_argument("-p", "--path",
dest="path",
default=".",
help="path of source PDF files")
args = parser.parse_args()
merge(args.path, args.output_filename)
答案 3 :(得分：4)
将pdf文件放在目录中。启动该计划。你得到一个pdf，所有pdf合并。
import os
from PyPDF2 import PdfFileMerger
x = [a for a in os.listdir() if a.endswith(".pdf")]
merger = PdfFileMerger()
for pdf in x:
merger.append(open(pdf, 'rb'))
with open("result.pdf", "wb") as fout:
merger.write(fout)
答案 4 :(得分：3)
pdfrw library可以非常轻松地完成此操作，假设您不需要保留书签和注释，并且您的PDF未加密。 cat.py是一个示例连接脚本，subset.py是一个示例页面子集脚本。
串联脚本的相关部分 - 假设*a是输入文件名列表，inputs是输出文件名：
outfn从这一点可以看出，将最后一页放在一边很容易，例如类似的东西：
from pdfrw import PdfReader, PdfWriter
writer = PdfWriter()
for inpfn in inputs:
writer.addpages(PdfReader(inpfn).pages)
writer.write(outfn)
免责声明：我是主要的 writer.addpages(PdfReader(inpfn).pages[:-1])
作者。
答案 5 :(得分：2)
这里，http://pieceofpy.com/2009/03/05/concatenating-pdf-with-python/，给出了解决方案。
类似地：
from pyPdf import PdfFileWriter, PdfFileReader
def append_pdf(input,output):
[output.addPage(input.getPage(page_num)) for page_num in range(input.numPages)]
output = PdfFileWriter()
append_pdf(PdfFileReader(file("C:\\sample.pdf","rb")),output)
append_pdf(PdfFileReader(file("c:\\sample1.pdf","rb")),output)
append_pdf(PdfFileReader(file("c:\\sample2.pdf","rb")),output)
append_pdf(PdfFileReader(file("c:\\sample3.pdf","rb")),output)
output.write(file("c:\\combined.pdf","wb"))
答案 6 :(得分：1)
<button class="mdc-fab app-fab--absolute"
[mdePopoverTriggerFor]="appPopover"
mdePopoverTriggerOn="click" aria-label="Favorite" mat-fab ><mat-icon>
<span class="mdc-fab__icon material-icons">textsms</span>
</mat-icon></button>
<mde-popover #appPopover="mdePopover" [mdePopoverOverlapTrigger]="false">
<input type ="text"......./>
<button (click)="submit()">submit</button>
<button (click)="cancel()">cancel</button>
</mde-popover>
答案 7 :(得分：0)
使用字典进行细微的改动以提高灵活性（例如，sort，dedup）：
import os
from PyPDF2 import PdfFileMerger
# use dict to sort by filepath or filename
file_dict = {}
for subdir, dirs, files in os.walk("<dir>"):
for file in files:
filepath = subdir + os.sep + file
# you can have multiple endswith
if filepath.endswith((".pdf", ".PDF")):
file_dict[file] = filepath
# use strict = False to ignore PdfReadError: Illegal character error
merger = PdfFileMerger(strict=False)
for k, v in file_dict.items():
print(k, v)
merger.append(v)
merger.write("combined_result.pdf")
答案 8 :(得分：0)
也可以使用Aspose.PDF Cloud SDK for Python。 这是一个快速的example：
#upload PDF files to aspose cloud storage
storageApi.PutCreate(file1, null, null, path1)
storageApi.PutCreate(file2, null, null, path2)
#merge files into one PDF
pdfApi.PutMergeDocuments(name, null, null, mergeDocumentsBody)
#download merged PDF from storage server
storageApi.GetDownload(name)
最大的好处是API提供了许多其他可能性来管理您的PDF。您可以修改，转换，加密文件；处理页面，文本，形状和其他元素。
注意：我是Aspose的开发人员布道者。
答案 9 :(得分：0)
我通过利用子进程在Linux终端上使用pdf unite（假定目录中存在one.pdf和two.pdf），目的是将它们合并为3.pdf
import subprocess
subprocess.call(['pdfunite one.pdf two.pdf three.pdf'],shell=True)
答案 10 :(得分：0)
Giovanni G. PY 以一种易于使用的方式（至少对我而言）的回答：
import os
from PyPDF2 import PdfFileMerger
def merge_pdfs(export_dir, input_dir, folder):
current_dir = os.path.join(input_dir, folder)
pdfs = os.listdir(current_dir)
merger = PdfFileMerger()
for pdf in pdfs:
merger.append(open(os.path.join(current_dir, pdf), 'rb'))
with open(os.path.join(export_dir, folder + ".pdf"), "wb") as fout:
merger.write(fout)
export_dir = r"E:\Output"
input_dir = r"E:\Input"
folders = os.listdir(input_dir)
[merge_pdfs(export_dir, input_dir, folder) for folder in folders];
答案 11 :(得分：0)
以下是针对我的特定用例的最常见答案的时间比较：组合 5 个大型单页 pdf 文件的列表。每个测试我都跑了两次。
（免责声明：我在 Flask 中运行此功能，您的里程可能会有所不同）
pdfrw 是我测试的 3 个中组合 pdf 的最快的库。
start = time.time()
merger = PdfFileMerger()
for pdf in all_pdf_obj:
merger.append(
os.path.join(
os.getcwd(), pdf.filename # full path
)
)
formatted_name = f'Summary_Invoice_{date.today()}.pdf'
merge_file = os.path.join(os.getcwd(), formatted_name)
merger.write(merge_file)
merger.close()
end = time.time()
print(end - start) #1 66.50084733963013 #2 68.2995400428772
start = time.time()
result = fitz.open()
for pdf in all_pdf_obj:
with fitz.open(os.path.join(os.getcwd(), pdf.filename)) as mfile:
result.insertPDF(mfile)
formatted_name = f'Summary_Invoice_{date.today()}.pdf'
result.save(formatted_name)
end = time.time()
print(end - start) #1 2.7166640758514404 #2 1.694727897644043
start = time.time()
result = fitz.open()
writer = PdfWriter()
for pdf in all_pdf_obj:
writer.addpages(PdfReader(os.path.join(os.getcwd(), pdf.filename)).pages)
formatted_name = f'Summary_Invoice_{date.today()}.pdf'
writer.write(formatted_name)
end = time.time()
print(end - start) #1 0.6040127277374268 #2 0.9576816558837891