背景
            
          
        
          由于工作性質,經常面對不同的問題,某些場景下SQL+Excel、常用辦公軟件不能處理,這時到網上找一些案例,自己動手用python處理。后續,借此博客記錄比較典型的處理過程。
          
        
          后續,陸續實際處理的問題,如
          
        
          1. 合并PDF
          
           2. 拆分PDF
          
           3. 敏感字段MD5脫敏
          
           4. 從非架構化的大文本文件中提取指定條件的記錄
        
          
            需求
            
          
        
工作和生活中有時會遇到將多個pdf文件,合并成一個大文件的情況。例如,掃描時,普通掃描儀或打印機一頁生成一個PDF,而一份資料實際多頁。Adobe的收費版有合并功能,我們可以自己動手解決。根據網上搜索了幾個合并pdf的例子,都是2.X環境下的程序,因此將部分函數替換為3.x環境下。
合并多個PDF的python
            
'''# -*- coding:utf-8*-'''
import sys
import importlib
importlib.reload(sys)
import os
import os.path
from PyPDF2 import PdfFileReader, PdfFileWriter 
import time
time1=time.time()
# 使用os模塊walk函數,搜索出某目錄下的全部pdf文件
######################獲取同一個文件夾下的所有PDF文件名#######################
def getFileName(filepath):
 file_list = []
 for root,dirs,files in os.walk(filepath):
  for filespath in files:
   # print(os.path.join(root,filespath))
   file_list.append(os.path.join(root,filespath))
 return file_list
##########################合并同一個文件夾下所有PDF文件########################
def MergePDF(filepath,outfile):
 output=PdfFileWriter()
 outputPages=0
 in_file_path =filepath +r'input/'
 print(in_file_path)
 pdf_fileName=getFileName(in_file_path)
 i=0
 for each in pdf_fileName:
  i=i+1
  print(i,each)
  # 讀取源pdf文件
  input = PdfFileReader(open(each, "rb"))
  # 如果pdf文件已經加密,必須首先解密才能使用pyPdf
  if input.isEncrypted == True:
   input.decrypt("map")
  # 獲得源pdf文件中頁面總數
  pageCount = input.getNumPages()
  outputPages += pageCount
  print("PageCount: ",pageCount)
  # 分別將page添加到輸出output中
  for iPage in range(0, pageCount):
   output.addPage(input.getPage(iPage))
 print("All Pages Number:"+str(outputPages))
 # 最后寫pdf文件
 out_file_path=filepath+r'output/'
 outputStream=open(out_file_path+outfile,"wb")
 output.write(outputStream)
 outputStream.close()
 print( "finished")
if __name__ == '__main__':
 file_dir = r'D:/掃描文件/'  # 待合并PDF 所在文件夾
 out=u"某某資料合并文件.pdf"  # 合并后文件名稱
 MergePDF(file_dir,out)
 time2 = time.time()
 print( u'總共耗時:' + str(time2 - time1) + 's')
          
        
          
            使用注意事項
            
          
        
          1、程序第63行,默認指定了一個目錄,“D:\掃描文件“,然后在其下建“\input”和“\output”兩個子文件夾。
          
           2、將待合并的pdf文件放在“\input”中,合并后的文件默認為“某某資料合并文件.pdf”,可在程序第64行修改你期望的文件名,合并后文件輸出到“\output”。
          
           3、合并多個文件時,合并順序為文件名升序。
          
        
補充說明 ,如何使用python,建議學一本免費的電子書《編程小白的第一本Python入門書》,網上可搜。
          最后,如果哪位朋友有興趣,可以將程序第63和64行,加一個圖形界面,用戶在window下選擇input 和output,選擇輸出文件名,然后做一個可執行文件。
          
        
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索:z360901061
					微信掃一掃加我為好友
QQ號聯系: 360901061
您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對您有幫助就好】元
					
