使用PyPDF2库对pdf文件进行指定页面删除操作
平台:win10家庭版,python 3.7,PyPDF2
思维过程:
方法一:将pdf文件通过拆分为单页,放入一个文件夹,再删除其中不要的文件,最后再把剩余的文件进行合并为一个pdf文件
第一步:使用原文件路径创建新文件夹,用于存放拆分后的单页文件
def newdir(self,path): self.new = os.path.splitext(path)[0] if not os.path.isdir(self.new): #使用os.path.isdir判断文件夹是否存在, os.mkdir(self.new)
View Code
第二步:生成单页文件,并存放到新建的文件夹
1 def pdfsplt(self,path): 2 if os.path.isfile(path): 3 file_1 = open(path,"rb") 4 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示 5 #使用for循环读取每一页并将其写入新pdf文件,文件以页码命名 6 for page in range(0,file_reader.getNumPages()): 7 file_write = PyPDF2.PdfFileWriter() 8 pageobj = file_reader.getPage(page) 9 file_write.addPage(pageobj) 10 output = str(self.new) + "\\" + str(int(page+1)) + ".pdf" 11 with open(output,"wb") as output_pdf: 12 file_write.write(output_pdf) 13 file_1.close() 14 else: 15 print("文件不存在!") 16 time.sleep(3) 17 exit()
View Code
第三步:删除文件夹中不要的文件
1 def pdfremove(self,number): 2 for pag in number: 3 filename = str(self.new) + "\\" + str(pag) + ".pdf" 4 if os.path.isfile(filename): 5 os.unlink(filename) 6 else: 7 print("请确认要删除的页码%s是否正确!!"%pag)
View Code
第四步:把剩余文件合并为一个pdf文件
1 def pdfmerge(self): 2 file_list = [int(os.path.splitext(x)[0]) for x in os.listdir(self.new)] #读取新建文件夹下的所有文件并提取文件名转为数字 3 file_write = PyPDF2.PdfFileWriter() #先创建一个新的pdf对象 4 for page in sorted(file_list): 5 pathstr = str(self.new) + "\\" + str(page) + ".pdf" 6 file_1 = open(pathstr,"rb") 7 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) # 使用strict关闭错误提示 8 pageobj = file_reader.getPage(0) 9 file_write.addPage(pageobj) 10 output = str(self.new) + "_new.pdf" 11 with open(output, "wb") as output_pdf: 12 file_write.write(output_pdf) 13 print("第%s页完成"%page) 14 file_1.close()
View Code
第五步:删除其中的缓存文件夹
1 def rmdir(self): 2 if os.path.isdir(self.new): 3 shutil.rmtree(self.new)
View Code
方法一的完整代码:
1 import PyPDF2 2 import os,time,shutil,sys 3 import threading 4 5 class mypdf(object): 6 def __init__(self,path,number): 7 self.newdir(path) 8 self.pdfsplt(path) 9 self.pdfremove(number) 10 self.pdfmerge() 11 self.rmdir() 12 pass 13 14 #用于创建一个独立的文件夹,存放缓存数据 15 def newdir(self,path): 16 self.new = os.path.splitext(path)[0] 17 if not os.path.isdir(self.new): #使用os.path.isdir判断文件夹是否存在, 18 os.mkdir(self.new) 19 20 #将每一页生成独立文件,存放到缓存文件夹 21 def pdfsplt(self,path): 22 if os.path.isfile(path): 23 file_1 = open(path,"rb") 24 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示 25 #使用for循环读取每一页并将其写入新pdf文件,文件以页码命名 26 for page in range(0,file_reader.getNumPages()): 27 file_write = PyPDF2.PdfFileWriter() 28 pageobj = file_reader.getPage(page) 29 file_write.addPage(pageobj) 30 output = str(self.new) + "\\" + str(int(page+1)) + ".pdf" 31 with open(output,"wb") as output_pdf: 32 file_write.write(output_pdf) 33 file_1.close() 34 else: 35 print("文件不存在!") 36 time.sleep(3) 37 exit() 38 39 #删除缓存文件夹中的不要的页 40 def pdfremove(self,number): 41 for pag in number: 42 filename = str(self.new) + "\\" + str(pag) + ".pdf" 43 if os.path.isfile(filename): 44 os.unlink(filename) 45 else: 46 print("请确认要删除的页码%s是否正确!!"%pag) 47 48 #将缓存文件夹中的剩余文件合进行合并 49 def pdfmerge(self): 50 file_list = [int(os.path.splitext(x)[0]) for x in os.listdir(self.new)] #读取新建文件夹下的所有文件并提取文件名转为数字 51 file_write = PyPDF2.PdfFileWriter() #先创建一个新的pdf对象 52 for page in sorted(file_list): 53 pathstr = str(self.new) + "\\" + str(page) + ".pdf" 54 file_1 = open(pathstr,"rb") 55 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) # 使用strict关闭错误提示 56 pageobj = file_reader.getPage(0) 57 file_write.addPage(pageobj) 58 output = str(self.new) + "_new.pdf" 59 with open(output, "wb") as output_pdf: 60 file_write.write(output_pdf) 61 print("第%s页完成"%page) 62 file_1.close() 63 64 def rmdir(self): 65 if os.path.isdir(self.new): 66 shutil.rmtree(self.new) 67 68 if __name__ == "__main__": 69 #通过第一个参数获取待处理的文件,第二个参数到以后为删除的页码 70 path = sys.argv[1] 71 number = sys.argv[2:] 72 mypdf = mypdf(path,number) 73 def f(path,number): 74 mypdf(path,number) 75 threading.Thread(target=f,args=[path,number])
View Code
方法二:在写入新文件时使用if判断进行筛选出不要的页面
想法一、将读取与写入同时处理。使用if判断筛选不要的页面
1 def pdfsplt(self,path,number): 2 print(number,type(number)) 3 if os.path.isfile(path): 4 file_1 = open(path,"rb") 5 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示 6 file_write = PyPDF2.PdfFileWriter() 7 #使用for循环读取每一页并将其写入新pdf文件,文件以页码命名 8 for page in range(0,file_reader.getNumPages()): 9 if page not in number: 10 pageobj = file_reader.getPage(page) 11 file_write.addPage(pageobj) 12 output = str(self.new) + "_new.pdf" 13 with open(output,"wb") as output_pdf: 14 file_write.write(output_pdf) 15 file_1.close() 16 else: 17 print("文件不存在!") 18 time.sleep(3) 19 exit()
View Code
想法二、将数据先全部放入内存,最后在写入,来提高速度:
1 def pdfsplt(self,path,number): 2 print(number,type(number)) 3 if os.path.isfile(path): 4 file_1 = open(path,"rb") 5 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示 6 file_write = PyPDF2.PdfFileWriter() 7 #使用for循环读取每一页并将其写入新pdf文件,文件以页码命名 8 for page in range(0,file_reader.getNumPages()): 9 if page not in number: 10 pageobj = file_reader.getPage(page) 11 file_write.addPage(pageobj) 12 output = str(self.new) + "_new.pdf" 13 with open(output,"wb") as output_pdf: #将内容全部放入内存,最后写入,提高处理速度 14 file_write.write(output_pdf) 15 file_1.close() 16 else: 17 print("文件不存在!") 18 time.sleep(3) 19 exit()
View Code
方法二的完整代码:
1 import PyPDF2 2 import os,time,shutil,sys 3 import threading 4 5 class mypdf(object): 6 def __init__(self,path,number): 7 self.new = os.path.splitext(path)[0] #获取文件的路径 8 self.pdfsplt(path,number) 9 pass 10 11 #循环每一页读入内存,最后写入文件 12 def pdfsplt(self,path,number): 13 print(number,type(number)) 14 if os.path.isfile(path): 15 file_1 = open(path,"rb") 16 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示 17 file_write = PyPDF2.PdfFileWriter() 18 #使用for循环读取每一页并将其写入新pdf文件,文件以页码命名 19 for page in range(0,file_reader.getNumPages()): 20 if page not in number: 21 pageobj = file_reader.getPage(page) 22 file_write.addPage(pageobj) 23 output = str(self.new) + "_new.pdf" 24 with open(output,"wb") as output_pdf: #将内容全部放入内存,最后写入,提高处理速度 25 file_write.write(output_pdf) 26 file_1.close() 27 else: 28 print("文件不存在!") 29 time.sleep(3) 30 exit() 31 32 if __name__ == "__main__": 33 #通过第一个参数获取待处理的文件,第二个参数到以后为删除的页码 34 path = sys.argv[1] 35 number = sys.argv[2:] 36 number = list(map(int, number)) 37 mypdf = mypdf(path,number) 38 def f(path,number): 39 mypdf(path,number) 40 threading.Thread(target=f,args=[path,number])
View Code
两种方法的比较:
方法一 |
方法二中的第一种想法 |
方法二中的第二种想法 |
|
运行速度 |
慢 |
较慢 |
快 |
代码量 |
65行 |
34行 |
34行 |
缺点:
方法一在处理扫描的pdf文件时,运行速度太慢,不能实现范围性的删除。
方法二不能实现范围性的删除