统计当前文件夹下pdf文件的页码总数

文件夹下全是案卷的扫描的PDF扫描件，现在要根据扫描的PDF页数向第三方服务公司支付扫描费用，但是怎么计算文件夹下的pdf文件总页数呢？总不能一个个打开看页码数吧。

百度了以下，万能的PYTHON果然有一个PYPDF2的库，顺利搞定

实现功能，对当前文件夹的PDF文件进行遍历，并统计问价总页数。

知识点1：如何对当前文件夹进行遍历

知识点2：如何用PYPDF2统计文件页数

一、安装库

pip install PyPDF2

二、代码

​
import os
import time
from PyPDF2 import PdfFileReader

def folder_pdf_files():  #遍历一个文件夹里的pdf文件
    file_list = []
    path = r"."    
    for a, b, c in os.walk(path):
        #print(b)
        for filename in c:
            if filename[-4:].lower() == '.pdf':
                # print(filename)
                file_path = os.path.join(a, filename)
                file_list.append(file_path)
    print(f"在当前路径下{len(file_list)} 有个pdf文件")
    return file_list

def get_num_pages(pdf):
    page_num = 0
    reader = PdfFileReader(pdf,strict=False)

    if reader.isEncrypted:
        return 0
    else:
        page_num = len(reader.pages)
    return page_num

if __name__ == '__main__':
    nums = 0
    i = folder_pdf_files()
    for pdf in i:
        print(pdf)
        nums = nums +get_num_pages(pdf)
    print(f"该文件夹内pdf文件共有{nums}页")
    time.sleep(10)

​

三、生成exe

(一)安装

pip install pyinstaller

（二）生成

pyinstaller -F x:\\xxx\xxx.py  # x:\\xxx\xxx.py 是代码存储地址

最后,本着懒人推动科技进本的原则，对这段代码生成了exe文件，供大家交流学习。

链接：链接：https://pan.baidu.com/s/1OMHeEDdeQz1G-K4NEd9JtQ?pwd=4444 
提取码：4444 
 

四、主要改进内容

1.网上可以找到的代码，使用的都是PyPDF2库，

reader = PdfFileReader(pdf)
num_page = reader.getNumPages()

reader.getNumPages()方法，但在阅读PyPDF2库文档后，该方法虽然能够正常使用，但是已经弃用。

“

getNumPages ( ) → int[资源]

1.28.0 版后已弃用：改为使用len(reader.pages)

”

我使用了推荐的len(reader.pages)方法来统计页数

2.在统计过程中，我发现我有一个文件夹名字为“pdf”,统计时出现异常

分析代码   

if filename[-3:].lower() == 'pdf':

ilename[-3:].lower() == 'pdf'  这句错了

修改了一下

if filename[-4:].lower() == '.pdf':

虽然如果出现“.pdf”这样的文件夹，程序仍然会报错，但是我想正常人一般不会给文件夹起这样的名字，所以也就不再修改了。

五、待完善

1.在实际使用中发现，需要统计的文件数量太大40w+，且硬盘不是固态硬盘，读写速度非常慢，统计时间太长，如果使用多进程、线程是否可以提高速度？

2.统计界面不友好，DOS界面，结果只保存10s,容易错过，应当改写消息弹窗，更为友好。

六、多进程

import os
import time
from tkinter import N
from PyPDF2 import PdfFileReader
#导入多进程模块
from threading import Thread



li = [0,0,0]

def open_file(i,lock):
    with lock:
        with open("ip.txt" ,"a" ,encoding="utf-8") as f:
            f.write(f"{i}\n")

def folder_pdf_files():  #遍历一个文件夹里的pdf文件
    file_list = []
    path = r"."    
    for a, b, c in os.walk(path):
        #print(b)
        for filename in c:
            if filename[-4:].lower() == '.pdf':
                # print(filename)
                file_path = os.path.join(a, filename)
                file_list.append(file_path)
    print(f"在当前路径下{len(file_list)} 有个pdf文件")
    return file_list

def get_num_pages(pdf):   #获取pdf文件页数
    page_num = 0
    reader = PdfFileReader(pdf,strict=False)

    if reader.isEncrypted:
        return 0
    else:
        page_num = len(reader.pages)
    return page_num

def pdfs_nums(pdfs,i): #获取pdf文件list内总页数
    num = 0
    global li

    for pdf in pdfs:
        num += get_num_pages(pdf)
    if i%3 == 0:
        li[0] = num
    elif i%3 == 1:
        li[1] = num
    else:
        li[2] = num

    print(li)
    print(f"{i} 的页数是 {num}")
    return num

def pr():
    time.sleep(6)
    print(li)

if __name__ == '__main__':
    i = 0
    
    pdf1,pdf2,pdf3 = [],[],[] 
    folder = folder_pdf_files()
    for pdf in folder:
        if i%3 == 0:
            pdf1.append(pdf)
        elif i%3 == 1:
            pdf2.append(pdf)
        else:
            pdf3.append(pdf)
        i += 1
    

    
    for i in range(3):
        if i == 0:
            t1 =Thread(target=pdfs_nums, args=(pdf1,i))
            t1.start()
            
        elif i == 1:
            t2 =Thread(target=pdfs_nums, args=(pdf2,i))
            t2.start()
        else:
            t3 =Thread(target=pdfs_nums, args=(pdf3,i))
            t3.start()
    t1.join()
    t2.join()
    t3.join()
    
    total = li[0] + li[1] + li[2]
    print(f"总页数是 {total}")

这下尴尬了，用time.perf_counter()测试了下，多线程和非多线程，用时几乎一致，没有明显提高速度，这又是为什么呢？

如果代码对您的工作给予了帮助，节省了您的时间，还请老板打个赏，让我再这炎炎夏日里能买杯蜜雪冰城喝喝。