Python利用PyPDF2快速拆分PDF文檔

“人生苦短，快學(xué)Python”,因?yàn)檫@句口號(hào)，我也加入了學(xué)習(xí)Python的浩浩大軍，但由于Python真的是可以做的事情太多了，一時(shí)迷了眼，不知道自己應(yīng)該去專攻哪個(gè)方向。

經(jīng)過多方向試探，我還是選擇了廣而不深的web開發(fā)，Python的web開發(fā)自然離不開大名鼎鼎的Django,有一次突發(fā)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(tái)的文檔翻譯功能，大部分需要付費(fèi)，免費(fèi)的限制很多，例如免費(fèi)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(xué)Python的人會(huì)怕這個(gè)嗎？

拆分，拆分是最好的解決辦法，人工去拆嗎？1900多頁，估計(jì)得累死，那么對(duì)于Python來說，則非常簡單，今天跟隨我走入實(shí)戰(zhàn)，一起學(xué)習(xí)PyPDF2模塊，快速實(shí)現(xiàn)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(gè)模塊嚴(yán)格區(qū)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(chuàng)建一個(gè)專門存放本項(xiàng)目的文件夾，我這里在的存放路徑是 F:\Python\PyPDF2，在F盤有個(gè)Python文件夾，在其中又創(chuàng)建了一個(gè)以這個(gè)模塊命名的文件夾，來單獨(dú)存放和與別的項(xiàng)目區(qū)分。

創(chuàng)建文件，準(zhǔn)備PDF文檔

Django官網(wǎng)下載了他的幫助文檔，這個(gè)文檔足夠大，1900多頁，對(duì)于練手絕對(duì)夠了，有需要的去官網(wǎng)下載，然后再創(chuàng)建一個(gè)PDFCF.py 的項(xiàng)目文件。

萬事俱備，準(zhǔn)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(gè)文件的運(yùn)行程序，第二句是對(duì)這個(gè)文件的說明，這個(gè)的作用現(xiàn)在還看不出來，但如果你知道怎么批量化快速執(zhí)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(dòng)態(tài)的計(jì)算拆分的份數(shù)，拆分思路有了，那么下來就是列出計(jì)算公式。

拆分的份數(shù)= 文檔總頁數(shù) / 拆份每個(gè)pdf組成的頁數(shù)

舉個(gè)例子：

假如我們要拆分一個(gè)總頁數(shù)為35頁的pdf文檔，按照每10頁組成一個(gè)新文檔，那么能拆分成多少份的計(jì)算公式如下：
3.5 = 35 / 10

這時(shí)候大家注意了，除不盡有余數(shù)0.5，說明什么？用這個(gè)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(shù)是幾都得向前進(jìn)1，才能完成整個(gè)拆分，這個(gè)文檔拆分的結(jié)果就是，前3個(gè)文檔每個(gè)由10頁組成，第四個(gè)文檔則由最后5頁組成，能整除則結(jié)果直接就是拆分的份數(shù)。

python拆分計(jì)算公式：

if 35 % 10:        # 判斷是否有余數(shù)
    35 // 10 + 1   # 取余數(shù)整數(shù)部分加1
else:
    0              # 能整除則直接返回0
  
# 將這個(gè)循環(huán)寫到一行
4 = 35 // 10 + 1 if 35 % 10 else 0

具體怎么拆？

還是以這個(gè)35頁的文檔拆分為例：
循環(huán)遍歷每一頁數(shù)據(jù) for num in range(35)，得到每一頁的數(shù)據(jù)，之后再指定拆分頁數(shù)范圍進(jìn)行拆分：

• 第一個(gè)文檔從0--10，不包含10
• 第二個(gè)文檔從10--20 ，不包含20
• 第三個(gè)文檔從 20 -30，不包含30
• 第四個(gè)文檔從30--35，不包含35

我們發(fā)現(xiàn)規(guī)律，每次遍歷第一個(gè)數(shù)字的規(guī)律是 一個(gè)文檔的頁數(shù)，乘以自己屬于第幾個(gè)便可以得到。第二個(gè)數(shù)我們發(fā)現(xiàn)沒規(guī)律了，其實(shí)仔細(xì)觀察也有規(guī)律，假如我們對(duì)拆分個(gè)數(shù)排序，這個(gè)例子就是1--4，第二個(gè)數(shù)字就是當(dāng)前屬于第幾個(gè)拆分?jǐn)?shù)乘以每個(gè)文檔組成的頁數(shù)（頁數(shù)是固定的10）。
可是我們第一次遍歷的時(shí)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(gè)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(gè)文檔從10*(1-1)--10*1，不包含10
• 第二個(gè)文檔從10*(2-1)--10*2 ，不包含20
• 第三個(gè)文檔從 10*(3-1) -10*3, 不包含30
• 第四個(gè)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(dāng)遍歷到 num = 4（最后一個(gè)文檔排序數(shù)時(shí)），直接返回 總頁數(shù)35就可以了，到這里遍歷就結(jié)束了。這里為什么是總頁數(shù)35 而不是35+1呢？是因?yàn)榇舜伪闅v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(gè)可讀的pdf對(duì)象
pdfReader = PyPDF2.PdfFileReader('django.pdf')
# 獲取pdf總頁數(shù)
pdfnums = pdfReader.numPages
# 每個(gè)拆分文檔由多少頁組成
innumber = 100
# 計(jì)算拆分份數(shù)
outnums = pdfnums // innumber + 1 if pdfnums % innumber else 0

for num in range(1,pdfnums):
    # 創(chuàng)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(nèi)容
        pageObj = pdfReader.getPage(pageNum)
        # 將每一頁的內(nèi)容添加到第一次循環(huán)創(chuàng)建的空白文檔對(duì)象中
        pdfWriter.addPage(pageObj)
    # 保存并寫入本地文件，并對(duì)每個(gè)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(gè)人感覺比較繞，如果你對(duì)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(fù)雜，只需要把總頁碼生成一個(gè)大列表，再把這個(gè)列表利用切片的方法拆分成多個(gè)小列表，之后每個(gè)拆分的pdf頁碼范圍就是每個(gè)小列表第一個(gè)數(shù)--最后一個(gè)數(shù)+1，我把我用列表方法實(shí)現(xiàn)的代碼也貼出來供大家參考。

列表拆分法實(shí)現(xiàn)拆分PDF

#! python
# PDFCF.py - pdf文件拆分程序

import PyPDF2
# import LISTCF

# 打開一個(gè)可讀的pdf對(duì)象
pdfReader = PyPDF2.PdfFileReader('django.pdf')
# 獲取pdf總頁數(shù)
pdfnums = pdfReader.numPages
  

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

n = 100

# 將總頁碼按照指定的個(gè)數(shù)分為多個(gè)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(chuàng)建一個(gè)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(xiàng)目文件夾內(nèi)部按住Shift鍵，點(diǎn)擊鼠標(biāo)右鍵，選擇在此處打開命令窗口，輸入PDFCF.py，回車即可，根據(jù)自己的需求去更改 n 的值。

寫在最后

給大家分享下我的學(xué)習(xí)方法，一般在寫程序的時(shí)候盡量先不動(dòng)手寫，而是先想思路，理清思路，這樣會(huì)避免在寫的過程中磕磕絆絆的情況，這個(gè)程序其實(shí)并不完美，還可以指定切分?jǐn)?shù)量，自動(dòng)計(jì)算每一頁包含多少，還可以只提取多頁到多少頁這種需求，所以后邊這兩個(gè)需求留給大家思考完成，后邊我會(huì)貼出自己的代碼及思路。

到此這篇關(guān)于Python利用PyPDF2快速拆分PDF文檔的文章就介紹到這了,更多相關(guān)Python 拆分PDF 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！