1. 拆分PDF文档为页面
使用PyPDF2拆分PDF文档的基础
PyPDF2 提供了一个 PdfReader 类，用于打开PDF文件和读取页面，还有一个 PdfWriter 类 用于将页面写入新的PDF文档。要将文档拆分为单独的页面，可以使用 add_page() 方法 在 PdfWriter 中保存所需页面到单独的文件中。
将每页PDF保存为单独的文档
下面的代码将文档拆分为单独的PDF文件，每页保存为一个新的文件。
import PyPDF2
# 打开PDF文件
with open("sample.pdf", "rb") as pdf_file:
pdf_reader = PyPDF2.PdfReader(pdf_file)
# 遍历每页
for page_num in range(len(pdf_reader.pages)):
pdf_writer = PyPDF2.PdfWriter()
# 提取页面并添加到新的PDF
page = pdf_reader.pages[page_num]
pdf_writer.add_page(page)
# 保存当前页面为单独的PDF文件
output_filename = f"page_{page_num + 1}.pdf"
with open(output_filename, "wb") as output_file:
pdf_writer.write(output_file)
print("每一页已保存为单独的文件。")
在这个示例中，原始文档的每一页被分别保存为 page_1.pdf, page_2.pdf 等文件。
2. 提取页面范围
有时候你可能只需要保存某些页面范围，比如第1到5页。为此，可以在循环中指定具体的页面。
import PyPDF2
with open("sample.pdf", "rb") as pdf_file:
pdf_reader = PyPDF2.PdfReader(pdf_file)
pdf_writer = PyPDF2.PdfWriter()
# 定义页面范围，例如第1到5页
start_page = 1
end_page = 5
for page_num in range(start_page - 1, end_page): # 页码从0开始
page = pdf_reader.pages[page_num]
pdf_writer.add_page(page)
# 保存页面范围为新的PDF
with open("pages_1_to_5.pdf", "wb") as output_file:
pdf_writer.write(output_file)
print("页面范围已成功保存。")
此代码提取第1到5页并保存为文件 pages_1_to_5.pdf。
3. 保存多个页面范围
如果需要提取多个页面范围并将其保存为单独的文件，可以使用接受开始和结束范围的函数。
import PyPDF2
def save_page_range(input_pdf, output_pdf, start_page, end_page):
with open(input_pdf, "rb") as pdf_file:
pdf_reader = PyPDF2.PdfReader(pdf_file)
pdf_writer = PyPDF2.PdfWriter()
for page_num in range(start_page - 1, end_page):
page = pdf_reader.pages[page_num]
pdf_writer.add_page(page)
with open(output_pdf, "wb") as output_file:
pdf_writer.write(output_file)
print(f"第{start_page}–{end_page}页已保存为 {output_pdf}")
# 使用该函数提取不同的页面范围
save_page_range("sample.pdf", "section_1.pdf", 1, 3)
save_page_range("sample.pdf", "section_2.pdf", 4, 6)
此代码创建了两份保存第1到3页和第4到6页的文件，它们被分别保存为 section_1.pdf 和 section_2.pdf。
4. 批量处理PDF文档
自动拆分文件夹中所有PDF文件的页面
如果需要拆分一个文件夹中所有PDF文档的每一页，可以编写一个脚本来自动处理每个文件。
import PyPDF2
import os
# PDF文件夹路径
folder_path = "pdf_folder"
# 自动拆分文件夹中的所有PDF文件
for filename in os.listdir(folder_path):
if filename.endswith(".pdf"):
file_path = os.path.join(folder_path, filename)
with open(file_path, "rb") as pdf_file:
pdf_reader = PyPDF2.PdfReader(pdf_file)
# 将文件拆分为单独的页面
for page_num in range(len(pdf_reader.pages)):
pdf_writer = PyPDF2.PdfWriter()
page = pdf_reader.pages[page_num]
pdf_writer.add_page(page)
# 创建输出文件名
output_filename = f"{filename[:-4]}_page_{page_num + 1}.pdf"
output_path = os.path.join(folder_path, output_filename)
# 保存页面
with open(output_path, "wb") as output_file:
pdf_writer.write(output_file)
print("所有PDF文件的页面均已成功保存。")
此脚本会自动处理文件夹 pdf_folder 中的每个PDF文件，并将每页保存成单独的PDF文件， 格式为 <文件名>_page_<页码>.pdf。
5. 为什么需要拆分PDF文件？
如某位伟大的开发者所言（经过几小时的编码后我们都深有同感），常常会问自己“为什么？”。拆分PDF文档 在许多场景下是有用的：
- 提取关键页面： 只分享需要的页面，不用把整本《战争与和平》都发给同事。
- 创建合集： 将不同文档中的重要章节保存成一个文件，方便学习或工作。
- 归档： 按页面存档重要数据，这样就不会让不必要的页面浪费存储空间。
这时候，PyPDF2就像是英雄一样登场，让你的生活更简单！
6. 常见问题及应对方法
处理PDF文档时，你可能会遇到一些问题。例如，PyPDF2中的页面编号从零开始，因此在指定页面时不要忘记这一点。 毕竟，没有什么比提取错误的页面更让人头疼的了！
同时，在处理文件的打开和关闭时，确保所有 close() 都正确调用。 一个未关闭的文件可能会带来麻烦，尤其当它是一本《Oracle指南》的时候。
实际应用场景
这种方法的应用不仅限于个人文档处理。例如，如果你在律师事务所工作，需要快速准备庞大案件文件中的某些部分用于法庭， 拆分PDF文件可以显著节省时间和精力。
类似的技术也可以用于准备教学材料，从技术报告中提取重要部分等等。这些方法的真正魔力在于，它们可以轻松自动化日常任务！
GO TO FULL VERSION