国产在线青青草,国产精品一区不卡,少妇特黄a一区二区三区

主頁 > 知識庫 > Python利用PyPDF2快速拆分PDF文檔

Python利用PyPDF2快速拆分PDF文檔

經過多方向試探，我還是選擇了廣而不深的web開發，Python的web開發自然離不開大名鼎鼎的Django,有一次突發奇想，下載了Django的PDF版文檔，心想方便查閱，但懵逼的是PDF版竟然只有英文版，將近1900多頁，無奈只能找一些平臺的文檔翻譯功能，大部分需要付費，免費的限制很多，例如免費用戶每次最多只能翻譯5頁，而且文檔大小最大不能超過5M到10M。
怎么辦？學Python的人會怕這個嗎？

拆分，拆分是最好的解決辦法，人工去拆嗎？1900多頁，估計得累死，那么對于Python來說，則非常簡單，今天跟隨我走入實戰，一起學習PyPDF2模塊，快速實現拆分，讓你真正理解什么叫“人生苦短，我用Python”!

安裝PyPDF2模塊

這個模塊嚴格區分大小寫，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:\Python\PyPDF2，在F盤有個Python文件夾，在其中又創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分。

創建文件，準備PDF文檔

Django官網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，有需要的去官網下載，然后再創建一個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，這個的作用現在還看不出來，但如果你知道怎么批量化快速執行程序，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，然后來動態的計算拆分的份數，拆分思路有了，那么下來就是列出計算公式。

拆分的份數= 文檔總頁數 / 拆份每個pdf組成的頁數

舉個例子：

假如我們要拆分一個總頁數為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是幾都得向前進1，才能完成整個拆分，這個文檔拆分的結果就是，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，能整除則結果直接就是拆分的份數。

python拆分計算公式：

if 35 % 10:        # 判斷是否有余數
    35 // 10 + 1   # 取余數整數部分加1
else:
    0              # 能整除則直接返回0
  
# 將這個循環寫到一行
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：
循環遍歷每一頁數據 for num in range(35)，得到每一頁的數據，之后再指定拆分頁數范圍進行拆分：

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

我們發現規律，每次遍歷第一個數字的規律是一個文檔的頁數，乘以自己屬于第幾個便可以得到。第二個數我們發現沒規律了，其實仔細觀察也有規律，假如我們對拆分個數排序，這個例子就是1--4，第二個數字就是當前屬于第幾個拆分數乘以每個文檔組成的頁數（頁數是固定的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：當遍歷到 num = 4（最后一個文檔排序數時），直接返回總頁數35就可以了，到這里遍歷就結束了。這里為什么是總頁數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
pdfnums = pdfReader.numPages
# 每個拆分文檔由多少頁組成
innumber = 100
# 計算拆分份數
outnums = pdfnums // innumber + 1 if pdfnums % innumber else 0

for num in range(1,pdfnums):
    # 創建空白的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):
        # 獲取到每一頁的內容
        pageObj = pdfReader.getPage(pageNum)
        # 將每一頁的內容添加到第一次循環創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--最后一個數+1，我把我用列表方法實現的代碼也貼出來供大家參考。

列表拆分法實現拆分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
pdfnums = pdfReader.numPages
  

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

n = 100

# 將總頁碼按照指定的個數分為多個小列表
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，根據自己的需求去更改 n 的值。