Python利用PyPDF2快速拆分PDF文檔
“人生苦短，快學Python”,因為這句口號，我也加入了學習Python的浩浩大軍，但由于Python真的是可以做的事情太多了，一時迷了眼，不知道自己應該去專攻哪個方向。
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:PythonPyPDF2，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1else: 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 0for 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。
給大家分享下我的學習方法，一般在寫程序的時候盡量先不動手寫，而是先想思路，理清思路，這樣會避免在寫的過程中磕磕絆絆的情況，這個程序其實并不完美，還可以指定切分數量，自動計算每一頁包含多少，還可以只提取多頁到多少頁這種需求，所以后邊這兩個需求留給大家思考完成，后邊我會貼出自己的代碼及思路。
到此這篇關于Python利用PyPDF2快速拆分PDF文檔的文章就介紹到這了,更多相關Python 拆分PDF 內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！
相關文章：
網公網安備