Question

我正在编写一个脚本来解析互联网站点（maya.tase.co.il）的链接，下载pdf文件并合并它们。它主要起作用，但合并会根据文件给出不同类型的错误。我似乎无法弄清楚为什么。我删除了相关代码并仅针对导致问题的两个特定文件构建了测试。该脚本使用pypdf，但我愿意尝试任何有效的方法。有些文件是加密的，有些则不是。

def is_incry(pdf):
    from pyPdf import PdfFileWriter, PdfFileReader
    input=PdfFileReader(pdf)
    try:
        input.getNumPages()
        return input
    except:
        input.decrypt("")
        return input

def merg_pdf(to_keep,to_lose):
    import os
    from pyPdf import PdfFileWriter, PdfFileReader
    if os.path.exists(to_keep):
        in1=file(to_keep, "rb")
        in2=file(to_lose, "rb")
        input1 = is_incry(in1)
        input2 = is_incry(in2)
        output = PdfFileWriter()
        loop1=input1.getNumPages()
        for i in range(0,loop1):
            output.addPage(input1.getPage(i))#            
        loop2=input2.getNumPages()
        for i in range(0,loop2):
            output.addPage(input2.getPage(i))#
        outputStream = file("document-output.pdf", "wb")
        output.write(outputStream)
        outputStream.close()
        pdflen=loop1+loop2
        in1.close()
        in2.close()
        os.remove(to_lose)
        os.remove(to_keep)
        os.rename("document-output.pdf",to_keep)
    else:
        os.rename(to_lose,to_keep)
        in1=file(to_keep, "rb")
        input1 = PdfFileReader(in1)
        try:
            pdflen=input1.getNumPages()
        except:
            input1.decrypt("")
            pdflen=input1.getNumPages()
        in1.close()
        #input1.close()
    return pdflen


def test():
    import urllib
    urllib.urlretrieve ('http://mayafiles.tase.co.il/RPdf/487001-488000/P487028-01.pdf', 'temp1.pdf')
    urllib.urlretrieve ('http://mayafiles.tase.co.il/RPdf/488001-489000/P488170-00.pdf', 'temp2.pdf')
    merg_pdf('temp1.pdf','temp2.pdf')

test()

我感谢任何人，甚至花时间阅读这篇文章。人

Answer 1

我曾经写过一个复杂的PDF生成/合并内容，我现在已经开源了。

您可以查看它：https://github.com/becomingGuru/nikecup/blob/master/reg/models.py#L71

def merge_pdf(self):
    from pyPdf import PdfFileReader,PdfFileWriter

    pdf_file = file_names['main_pdf']%settings.MEDIA_ROOT
    pdf_obj = PdfFileReader(open(pdf_file))

    values_page = PdfFileReader(open(self.make_pdf())).getPage(0)

    mergepage = pdf_obj.pages[0]
    mergepage.mergePage(values_page)

    signed_pdf = PdfFileWriter()
    for page in pdf_obj.pages:
        signed_pdf.addPage(page)

    signed_pdf_name = file_names['dl_done']%(settings.MEDIA_ROOT,self.phash)
    signed_pdf_file = open(signed_pdf_name,mode='wb')

    signed_pdf.write(signed_pdf_file)
    signed_pdf_file.close()
    return signed_pdf_name

然后它就像一个魅力。希望它有所帮助。

Answer 2

我使用pyPdf尝试了这些文档 - 看起来这个文档中的pdf都是加密的，空密码（“”）无效。

查看adobe中的安全设置，您可以打印和复制 - 但是，当您运行pyPdf的input.decrypt（“”）时，文件仍然是加密的（如输入，input.getNumPages（）之后）仍然返回0）。

我能够在OSX的预览中打开它，并保存pdf而不加密，然后组装工作正常。虽然pyPdf处理页面，所以我认为你不能通过pyPdf来做到这一点。要么找到正确的密码，要么使用其他应用程序，例如将批处理作业用于OpenOffice，或者使用其他pdf插件。

Security Settings

将pdf文件与pypdf合并

2 个答案: