Python PDF 分页

公司有超过100页的PDF需要,每一页都成为一个单独的PDF。

人工操作比较麻烦。

利用Python 可以进行操作:

脚本如下:

 

from PyPDF2 import PdfFileReader, PdfFileWriter
import time
import datetime
import os.path
print("\n******************************")
print("现在时间:" + str(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))))
print("******************************\n")
print("\n*****************************")
print(" 本脚本仅用于PDF文件分割! \n请将脚本和PDF放在同一文件夹下!\n                By Terry Gu \n                2020年9月9日")
print("*****************************\n")
read_file = input("请输入要拆分的PDF名字(例如test.pdf):")
while os.path.isfile(read_file) == False:
    read_file = input("请输入要拆分的PDF名字(例如test.pdf):")
else:
    print("您输入的是: " + str(read_file))
start = datetime.datetime.now()
pdf_file = open(read_file, 'rb')
pdf_input = PdfFileReader(pdf_file)
print("读取文件成功,共有" +  str(pdf_input.getNumPages()) + "页。")
input("按任意键确认,进行确认分割PDF文件!")
subname = read_file.split('.')[0]
for page in range(pdf_input.getNumPages()):
    pdf_writer = PdfFileWriter()
    pdf_writer.addPage(pdf_input.getPage(page))
    output = f'{subname}{page+1}.pdf'
    with open(output, 'wb') as output_pdf:
        pdf_writer.write(output_pdf)
    print("成功分割第" + str(page+1) + "页。")
end = datetime.datetime.now()
print("此次共计分割" + str(pdf_input.getNumPages()) + "页PDF文件。")
print("程序运行时间:"+str((end-start).seconds)+"秒")
input("按任意键退出!")

 

 

当前文件夹下PDF文件页码计数

import PyPDF2
import time

import os


file_name = os.listdir(os.getcwd()) # 获取当前路径
file_typ = ".pdf" 
pdf_list = []
b = 0
totalpag = 0
for n in file_name:
    if file_typ in n:         #判断是否是PDF文件
        print("Found PDF file:" + n)
        pdf_list.append(n)
        pdfReader = PyPDF2.PdfFileReader(n)
        pag_num=(pdfReader.numPages)  # 获取当前PDF文件页数
        print(n + " totally have " + str(pag_num) + " pages.")
        totalpag = int(totalpag) + int(pag_num)  # 计算页数
        b += 1                                 #计算pdf 文件数量
    else:
        print(n + " is not a pdf file .")

print("Total " + str(b) + " pdf files, and " + str(totalpag) + " pages in all.")


time.sleep(60)          #窗口保留60s

PDF中提取图片

1. 安装库

C:\Users\*****>pip install pymupdf
Collecting pymupdf
  Downloading PyMuPDF-1.17.5-cp38-cp38-win_amd64.whl (5.1 MB)
     |████████████████████████████████| 5.1 MB 273 kB/s
Installing collected packages: pymupdf
Successfully installed pymupdf-1.17.5

C:\Users\*****>

2. python 脚本

import fitz
import time
import re
import os

def pdf2pic(path, pic_path):
    t0 = time.perf_counter()                          # 生成图片初始时间
    checkXO = r"/Type(?= */XObject)"           # 使用正则表达式来查找图片
    checkIM = r"/Subtype(?= */Image)"
    doc = fitz.open(path)                      # 打开pdf文件
    imgcount = 0                               # 图片计数
    lenXREF = doc._getXrefLength()             # 获取对象数量长度
     
    # 打印PDF的信息
    print("文件名:{}, 页数: {}, 对象: {}".format(path, len(doc), lenXREF - 1))
     
    # 遍历每一个对象
    for i in range(1, lenXREF):
        text = doc._getXrefString(i)            # 定义对象字符串
        isXObject = re.search(checkXO, text)    # 使用正则表达式查看是否是对象
        isImage = re.search(checkIM, text)      # 使用正则表达式查看是否是图片
        if not isXObject or not isImage:        # 如果不是对象也不是图片,则continue
            continue
        imgcount += 1
        pix = fitz.Pixmap(doc, i)               # 生成图像对象
        new_name = "图片{}.png".format(imgcount) # 生成图片的名称
        if pix.n < 5:                           # 如果pix.n<5,可以直接存为PNG
            pix.writePNG(os.path.join(pic_path, new_name))
        else:                                   # 否则先转换CMYK
            pix0 = fitz.Pixmap(fitz.csRGB, pix)
            pix0.writePNG(os.path.join(pic_path, new_name))
            pix0 = None
        pix = None                              # 释放资源
        t1 = time.perf_counter()                       # 图片完成时间
        print("运行时间:{}s".format(t1 - t0))
        print("提取了{}张图片".format(imgcount))
         
if __name__=='__main__':
    path = r"D:\转换pdf\文件名.pdf"
    pic_path = r'D:\转换pdf\图片'
    # 创建保存图片的文件夹
    if os.path.exists(pic_path):
        print("文件夹已存在,不必重新创建!")
        pass
    else:
        os.mkdir(pic_path)
    pdf2pic(path, pic_path)