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(guò)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(yè),無(wú)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(yè),而且文檔大小最大不能超過(guò)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(yè),估計(jì)得累死,那么對(duì)于Python來(lái)說(shuō),則非常簡(jiǎn)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(lái)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(yè),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(wàn)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(shuō)明,這個(gè)的作用現(xiàn)在還看不出來(lái),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(yè)組成,然后來(lái)動(dòng)態(tài)的計(jì)算拆分的份數(shù),拆分思路有了,那么下來(lái)就是列出計(jì)算公式。
拆分的份數(shù)= 文檔總頁(yè)數(shù) / 拆份每個(gè)pdf組成的頁(yè)數(shù)
舉個(gè)例子:
假如我們要拆分一個(gè)總頁(yè)數(shù)為35頁(yè)的pdf文檔,按照每10頁(yè)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(shuō)明什么?用這個(gè)例子來(lái)說(shuō)就是拆分成3份還余下5頁(yè),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(yè)組成,第四個(gè)文檔則由最后5頁(yè)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(yè)的文檔拆分為例:
循環(huán)遍歷每一頁(yè)數(shù)據(jù) for num in range(35),得到每一頁(yè)的數(shù)據(jù),之后再指定拆分頁(yè)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(yè)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(méi)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(yè)數(shù)(頁(yè)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(lái)就少了一頁(yè)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(yè)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(yè)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(yè)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(yè)數(shù) pdfnums = pdfReader.numPages # 每個(gè)拆分文檔由多少頁(yè)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(yè)面范圍 for pageNum in range(innumber * (num - 1), innumber * num if num != outnums else pdfnums): # 獲取到每一頁(yè)的內(nèi)容 pageObj = pdfReader.getPage(pageNum) # 將每一頁(yè)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(zhǎng)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(yè)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(yè)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(lái)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(yè)數(shù) pdfnums = pdfReader.numPages # 將總頁(yè)碼循環(huán)到一個(gè)列表中 pagenum_list = list(range(pdfnums)) n = 100 # 將總頁(yè)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(yè)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(guò)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(yè)包含多少,還可以只提取多頁(yè)到多少頁(yè)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(qǐng)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!
相關(guān)文章
Python的Tornado框架實(shí)現(xiàn)異步非阻塞訪問(wèn)數(shù)據(jù)庫(kù)的示例
Tornado框架的異步非阻塞特性是其最大的亮點(diǎn),這里我們將立足于基礎(chǔ)來(lái)介紹一種簡(jiǎn)單的Python的Tornado框架實(shí)現(xiàn)異步非阻塞訪問(wèn)數(shù)據(jù)庫(kù)的示例:2016-06-06python實(shí)現(xiàn)360皮膚按鈕控件示例
這篇文章主要介紹了python實(shí)現(xiàn)360皮膚按鈕控件示例,需要的朋友可以參考下2014-02-02python之文件的讀寫和文件目錄以及文件夾的操作實(shí)現(xiàn)代碼
這篇文章主要介紹了python之文件的讀寫和文件目錄以及文件夾的操作實(shí)現(xiàn)代碼,需要的朋友可以參考下2016-08-08Python 字符串大小寫轉(zhuǎn)換的簡(jiǎn)單實(shí)例
下面小編就為大家?guī)?lái)一篇Python 字符串大小寫轉(zhuǎn)換的簡(jiǎn)單實(shí)例。小編覺得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-01-01如何使用 Pylint 來(lái)規(guī)范 Python 代碼風(fēng)格(來(lái)自IBM)
本文通過(guò)詳細(xì)的理論介紹和簡(jiǎn)單易懂的實(shí)例全面介紹了 Python 代碼分析工具 Pylint。相信讀者看完后一定可以輕松地將 Pylint 運(yùn)用到自己的開發(fā)工程中2018-04-04Python簡(jiǎn)單實(shí)現(xiàn)安全開關(guān)文件的兩種方式
這篇文章主要介紹了Python簡(jiǎn)單實(shí)現(xiàn)安全開關(guān)文件的兩種方式,涉及Python的try語(yǔ)句針對(duì)錯(cuò)誤的判定與捕捉相關(guān)技巧,需要的朋友可以參考下2016-09-09Python實(shí)現(xiàn)Excel數(shù)據(jù)同步到飛書文檔
這篇文章主要為大家詳細(xì)介紹了如何使用Python實(shí)現(xiàn)自動(dòng)將Excel數(shù)據(jù)同步到飛書文檔的末尾,并添加時(shí)間戳,感興趣的小伙伴可以參考一下2025-02-02