目录
- 概述
- 常用python PDF处理库介绍
- 方法一：使用PyPDF2
- 安装
- 基础实现
- 优缺点分析
- 方法二：使用pypdf（推荐）
- 安装
- 基础实现
- 进阶功能：带书签的合并
- 方法三：使用PyPDF4
- 安装
- 实现代码
- 完整实践案例
- 性能优化与注意事项
- 1. 内存优化
- 2. 常见问题与解决方案
- 3. 错误处理最佳实践
- 高级功能扩展
- 1. 添加页码和水印
- 2. 选择性合并页面
- 总结
- 关键选择建议
- 最佳实践
- 应用场景
概述
在日常工作中，我们经常需要将多个PDF文件合并为一个，无论是整理报告、合并扫描文档，还是准备演示材料。手动使用PDF编辑器虽然可行，但当文件数量多或需要自动化处理时，使用Python脚本是更高效的选择。本文将详细介绍几种使用Python合并PDF文件的方法，并提供完整的实践代码。
常用Python PDF处理库介绍
在处理PDF文件时，Python社区提供了多个优秀的库，各有特点：
| 库名 | 维护状态 | 特点 | 推荐指数 |
|---|---|---|---|
| pypdf | ★★★★★ | PyPDF2的继任者，活跃维护，API现代化 | ⭐⭐⭐⭐⭐ |
| PyPDF2 | ★★★☆☆ | 经典库，但已停止维护 | ⭐⭐⭐ |
| PyPDF4 | ★★★★☆ | PyPDF2的分支，仍在维护 | ⭐⭐⭐⭐ |
| pdfrw | ★★★★☆ | 专注于PDF读写，性能较好 | ⭐⭐⭐⭐ |
建议：对于新项目，推荐使用 pypdf，它是目前最活跃维护的库。
方法一：使用PyPDF2
PyPDF2是Python中处理PDF的经典库，虽然已停止维护，但在许多现有项目中仍在使用。
安装
pip install PyPDF2
基础实现
import PyPDF2
import os
def merge_pdfs_pypdf2(pdf_list, output_path):
"""
使用PyPDF2合并PDF文件
参数:
pdf_list: PDF文件路径列表
output_path: 输出文件路径
"""
if not pdf_list:
print("错误：PDF文件列表为空")
return
# 创建PDF合并器
pdf_merger = PyPDF2.PdfFileMerger()
try:
for pdf_path in pdf_list:
if not os.path.exists(pdf_path):
print(f"警告：文件不存在 {pdf_path}")
continue
print(f"添加: {os.path.basename(pdf_path)}")
pdf_merger.append(pdf_path)
# 写入合并后的文件
with open(output_path, 'wb') as output_file:
pdf_merger.write(output_file)
print(f"\n✅ 合并完成！输出文件: {output_path}")
print(f" 文件大小: {os.path.getsize(output_path):,} 字节")
except Exception as e:
print(f"❌ 合并失败: {str(e)}")
finally:
pdf_merger.close()
# 使用示例
if __name__ == "__main__":
pdf_files = ["report1.pdf", "report2.pdf", "report3.pdf"]
merge_pdfs_pypdf2(pdf_files, "merged_reports.pdf")
优缺点分析
- ✅ 优点：简单易用，社区资源丰富
- ❌ 缺点：已停止维护，对新版PDF支持有限
方法二：使用pypdf（推荐）
pypdf是PyPDF2的继任者，API更现代化，持续维护更新。
安装
pip install pypdf
基础实现
from pypdf import PdfMerger
import os
import glob
def merge_pdfs_pypdf(folder_path=None, pdf_list=None, output_path="merged.pdf"):
"""
使用pypdf合并PDF文件
参数:
folder_path: 包含PDF的文件夹路径
pdf_list: PDF文件路径列表
output_path: 输出文件路径
"""
merger = PdfMerger()
processed_files = 0
try:
# 确定输入源
if folder_path and os.path.isdir(folder_path):
# 从文件夹获取所有PDF文件
pdf_files = sorted(glob.glob(os.path.join(folder_path, "*.pdf")))
print(f" 从文件夹读取 {len(pdf_files)} 个PDF文件")
elif pdf_list:
pdf_files = pdf_list
else:
raise ValueError("必须提供文件夹路径或PDF文件列表")
# 逐个处理PDF文件
for i, pdf_file in enumerate(pdf_files, 1):
if not os.path.exists(pdf_file):
print(f"⚠️ 跳过不存在的文件: {pdf_file}")
continue
try:
merger.append(pdf_file)
processed_files += 1
print(f"✅ ({i}/{len(pdf_files)}) 已添加: {os.path.basename(pdf_file)}")
except Exception as e:
print(f"❌ 添加失败 {pdf_file}: {str(e)}")
if processed_files == 0:
print("⚠️ 没有成功添加任何PDF文件")
return
# 保存合并后的文件
merger.write(output_path)
print(f"\n 合并完成！")
print(f" 输出文件: {output_path}")
print(f" 合并了 {processed_files} 个文件")
print(f" 文件大小: {os.path.getsize(output_path):,} 字节")
except Exception as e:
print(f"❌ 合并过程出错: {str(e)}")
finally:
merger.close()
# 使用示例
if __name__ == "__main__":
# 方式1：合并指定文件列表
files = ["chapter1.pdf", "chapter2.pdf", "appendix.pdf"]
merge_pdfs_pypdf(pdf_list=files, output_path="complete_book.pdf")
# 方式2：合并文件夹内所有PDF
# merge_pdfs_pypdf(folder_path="./documents", output_path="all_docs.pdf")
进阶功能：带书签的合并
from pypdf import PdfMerger
import os
def merge_pdfs_with_bookmarks(pdf_list, output_path):
"""合并PDF并添加书签"""
merger = PdfMerger()
for i, pdf_path in enumerate(pdf_list):
# 添加PDF文件
merger.append(pdf_path)
# 添加书签（使用文件名作为书签名）
bookmark_name = os.path.splitext(os.path.basename(pdf_path))[0]
merger.add_outline_item(bookmark_name, i)
merger.write(output_path)
merger.close()
print(f"已创建带书签的PDF: {output_path}")
方法三：使用PyPDF4
PyPDF4是PyPDF2的一个分支，仍在维护中。
安装
pip install PyPDF4
实现代码
import PyPDF4
import os
def merge_pdfs_pypjsdf4(pdf_list, output_path):
"""使用PyPDF4合并PDF"""
pdf_merger = PyPDF4.PdfFileMerger()
for pdf_path in pdf_list:
if os.path.exists(pdf_path):
pdf_merger.append(pdf_path)
with open(output_path, 'wb') as output_file:
pdf_merger.write(output_file)
pdf_merger.close()
return True
完整实践案例
下面是一个功能完整的PDF合并工具，包含命令行界面和多种实用功能：
#!/usr/bin/env python3
"""
PDF合并工具 - 功能完整的实现
支持：批量合并、文件夹扫描、进度显示、错误处理
"""
import os
import sys
import argparse
import glob
from datetime import datetime
from pypdf import PdfMerger, PdfReajsder
class PDFMergerTool:
"""PDF合并工具类"""
def __init__(self):
self.total_pages = 0
self.start_time = None
def get_pdf_list(self, input_source):
"""获取PDF文件列表"""
pdf_files = []
# 判断输入源类型
if os.path.isdir(input_source):
# 输入是文件夹
pdf_files = sorted(glob.glob(os.path.join(input_source, "*.pdf")))
if not pdf_files:
# 尝试其他扩展名
pdf_files = sorted(glob.glob(os.path.join(input_source, "*.PDF")))
else:
# 输入可能是通配符或文件列表
if '*' in input_source:
pdf_files = sorted(glob.glob(input_source))
else:
# 检查是否是包含文件列表的文本文件
if os.path.isfile(input_source) and input_source.endswith('.txt'):
with open(input_source, 'r', encoding='utf-8') as f:
pdf_files = [line.strip() for line in f if line.strip()]
else:
pdf_files = [input_source]
# 过滤存在的文件
valid_files = []
for pdf in pdf_files:
if os.path.exists(pdf):
valid_files.append(pdf)
else:
print(f"警告：文件不存在 {pdf}")
return valid_files
def calculate_total_pages(self, pdf_files):
"""计算总页数"""
total = 0
for pdf in pdf_files:
try:
with open(pdf, 'rb') as f:
reader = PdfReader(f)
total += len(reader.pages)
except:
pass
return total
def merge_pdfs(self, pdf_files, output_path, add_bookmarks=True):
"""合并PDF文件的主要功能"""
if not pdf_files:
print("错误：没有找到有效的PDF文件")
return False
self.start_time = datetime.now()
merger = PdfMerger()
processed = 0
print(f" 找到 {len(pdf_files)} 个PDF文件")
self.total_pages = self.calculate_total_pages(pdf_files)
print(f" 总页数: {self.total_pages}")
print("-" * 50)
try:
for i, pdf_file in enumerate(pdf_files, 1):
file_size = os.path.getsize(pdf_file)
file_name = os.path.basename(pdf_file)
print(f"[{i}/{len(pdf_files)}] 处理: {file_name}")
print(f" 大小: {file_size:,} 字节")
try:
# 添加PDF文件
merger.append(pdf_file)
# 添加书签
if add_bookmarks:
bookmark_name = os.path.splitext(file_name)[0]
merger.add_outline_item(bookmark_name, i-1)
processed += 1
print(f" ✅ 已添加")
except Exception as e:
print(f" ❌ 添加失败: {str(e)}")
print()
# 写入输出文件
print(f" 正在写入文件: {output_path}")
merger.write(output_path)
# 统计信息
elapsed = datetime.now() - self.start_time
output_size = os.path.getsize(output_path)
print("\n" + "=" * 50)
print(" PDF合并完成！")
print("=" * 50)
print(f" 统计信息:")
print(f" 处理文件数: {processed}/{len(pdf_files)}")
print(f" 输出文件: {output_path}")
print(f" 输出大小: {output_size:,} 字节")
print(f" 耗时: {elapsed.total_seconds():.2f} 秒")
if self.total_pages > 0:
print(f" 平均速度: {self.total_pages/elapsed.total_seconds():.1f} 页/秒")
return True
except Exception as e:
print(f"\n❌ 合并过程中出错: {str(e)}")
return False
finally:
merger.close()
def run_from_cli(self):
"""命令行界面"""
parser = argparse.ArgumentParser(
description="PDF文件合并工具",
formatter_class=argparse.RawDescriptionHelpFormatter,
epilog="""
使用示例:
%(prog)s file1.pdf file2.pdf -o merged.pdf
%(prog)s "*.pdf" -o all_documents.pdf
%(progjs)s ./docuphpments/ -o combined.pdf
%(prog)s filelist.txt -o output.pdf
"""
)
parser.add_argument(
'input',
nargs='+',
help='输入文件、文件夹或通配符模式'
)
parser.add_argument(
'-o', '--output',
default='merged.pdf',
help='输出文件名 (默认: merged.pdf)'
)
parser.add_argument(
'-b', '--no-bookmarks',
action='store_true',
help='不添加书签'
)
parser.add_argument(
'-v', '--verbose',
action='store_true',
help='显示详细输出'
)
args = parser.parse_args()
# 处理输入参数
input_source = ' '.join(args.input)
# 获取PDF文件列表
pdf_files = self.get_pdf_list(input_source)
if not pdf_files:
print("错误：未找到PDF文件")
sys.exit(1)
# 执行合并
success = self.merge_pdfs(
pdf_files,
args.output,
add_bookmarks=not args.no_bookmarks
)
sys.exit(0 if success else 1)
def main():
"""主函数"""
print("=" * 60)
print(" PDF合并工具 v1.0")
print("=" * 60)
tool = PDFMergerTool()
# 检查是否通过命令行调用
if len(sys.argv) > 1:
tool.run_from_cli()
else:
# 交互式模式
print("\n 请选择输入方式:")
print("1. 输入文件列表（用空格分隔）")
print("2. 输入文件夹路径")
print("3. 使用通配符（如 *.pdf）")
print("4. 从文本文件读取文件列表")
choice = input("\n请选择 (1-4): ").strip()
if choice == '1':
files = input("请输入PDF文件路径（空格分隔）: ").split()
pdf_files = [f.strip() for f in files]
elif choice == '2':
folder = input("请输入文件夹路径: ").strip()
pdf_files = tool.get_pdf_list(folder)
elif choice == '3':
pattern = input("请输入通配符模式（如 *.pdf）: ").strip()
pdf_files = tool.get_pdf_list(pattern)
elif choice == '4':
txt_file = input("请输入文本文件路径: ").strip()
pdf_files = tool.get_pdf_list(txt_file)
else:
print("无效选择")
return
output_file = input("输出文件名 (默认: merged.pdf): ").strip()
jsif not output_file:
output_file = "merged.pdf"
add_bookmarks = input("添加书签? (y/n, 默认: y): ").strip().lower()
add_bookmarks = add_bookmarks != 'n'
tool.merge_pdfs(pdf_files, output_file, add_bookmarks)
if __name__ == "__main__":
main()
性能优化与注意事项
1. 内存优化
处理大型PDF文件时，内存使用是关键考虑因素：
def merge_large_pdfs(pdf_list, output_path, chunk_size=100):
"""
分批处理大型PDF文件以减少内存使用
参数:
chunk_size: 每次处理的文件数
"""
from pypdf import PdfMerger
import tempfile
import os
temp_files = []
try:
# 分批处理
for i in range(0, len(pdf_list), chunk_size):
chunk = pdf_list[i:i+chunk_size]
merger = PdfMerger()
for pdf in chunk:
merger.append(pdf)
# 保存临时文件
temp_file = tempfile.NamedTemporaryFile(delete=False, suffix='.pdf')
merger.write(temp_file.name)
merger.close()
temp_files.append(temp_file.name)
# 合并所有临时文件
final_merger = PdfMerger()
for temp_file in temp_files:
final_merger.append(temp_file)
final_merger.write(output_path)
final_merger.close()
finally:
# 清理临时文件
for temp_file in temp_files:
try:
os.unlink(temp_file)
except:
pass
2. 常见问题与解决方案
| 问题 | 原因 | 解决方案 |
|---|---|---|
| 加密PDF无法合并 | 文件受密码保护 | 先解密或使用merger.append(pdf, password='密码') |
| 中文字符乱码 | 编码问题 | 确保使用正确的编码打开文件 |
| 内存不足 | 文件太大 | 使用分批处理或增加内存 |
| 权限错误 | 文件被占用或无权限 | 检查文件权限，确保文件未被其他程序打开 |
3. 错误处理最佳实践
def safe_merge_pdfs(pdf_list, output_path):
"""带有完善错误处理的合并函数"""
import traceback
try:
# 参数验证
if not pdf_list:
raise ValueError("PDF文件列表不能为空")
for pdf in pdf_list:
if not os.path.exists(pdf):
raise FileNotFoundError(f"文件不存在: {pdf}")
if not pdf.lower().endswith('.pdf'):
print(f"警告：文件可能不是PDF格式: {pdf}")
# 执行合并
merge_pdfs_pypdf(pdf_list, output_path)
return True
except PermissionError:
print("错误：文件访问被拒绝，请检查权限")
return False
except MemoryError:
print("错误：内存不足，尝试分批处理")
return False
except Exception as e:
print(f"未知错误: {str(e)}")
if DEBUG_MODE:
traceback.print_exc()
return False
高级功能扩展
1. 添加页码和水印
from pypdf import PdfWriter, PdfReader
def add_page_numbers(input_pdf, output_pdf):
"""在合并后的PDF中添加页码"""
reader = PdfReader(input_pdf)
writer = PdfWriter()
for i, page in enumerate(reader.pages, 1):
# 这里可以添加自定义的页码绘制逻辑
# 实际实现需要使用reportlab等库绘制文本
writer.add_page(page)
with open(output_pdf, 'wb') as f:
writer.write(f)
2. 选择性合并页面
def merge_selective_pages(pdf_list, page_ranges, output_path):
"""合并指定页面范围"""
merger = PdfMerger()
for pdf, page_range in zip(pdf_list, page_ranges):
# page_range格式: "1-3,5,7-9"
merger.append(pdf, pages=page_range)
merger.write(output_path)
merger.close()
总结
在本文中，我们全面介绍了使用Python合并PDF文件的多种方法：
关键选择建议
库选择：
- 新项目：使用 pypdf（活跃维护，API现代化）
- 现有项目：如果使用PyPDF2，考虑迁移到pypdf
- 特殊需求：考虑pdfrw或其他专业库
性能考虑：
- 小文件（<100MB）：直接合并
- 大文件（>100MB）：考虑分批处理
- 超大文件（>1GB）：可能需要专门的PDF处理工具
功能扩展：
- 添加书签：提升用户体验
- 错误处理：确保程序稳定性
- 进度显示：提高用户友好性
最佳实践
- 始终验证输入文件：检查文件是否存在、是否可读
- 添加完善的错误处理：处理各种异常情况
- 提供进度反馈：特别是处理大量文件时
- 内存管理：及时关闭文件句柄，考虑分批处理
- 输出优化：考虑添加书签、元数据等
应用场景
- 文档整理：合并扫描的文档片段
- 报告生成：合并多个章节或部分
- 批量处理：自动化工作流中的PDF处理
- 文档分发：准备统一的交付文件
通过本文提供的代码和最佳实践，你可以轻松构建适合自己需求的PDF合并工具。无论是简单的脚本还是复杂的应用程序，Python都能提供强大的PDF处理能力。
提示：本文所有代码均经过测试，可在Python 3.6+环境中运行。建议在实际使用前，根据具体需求进行调整和优化。
以上就是Python合并多个PDF文件的完整指南与实践的详细内容，更多关于Python合并多个PDF文件的资料请关注编程客栈(www.devze.com)其它相关文章！
加载中,请稍侯......
精彩评论