13.2 项目：从多个 PDF 中合并选择的页面

假定你有一个很无聊的任务，需要将几十个 PDF 文件合并成一个PDF 文件。每
一个文件都有一个封面作为第一页，但你不希望合并后的文件中重复出现这些封面。即使有许多免费的程序可以合并PDF，很多也只是简单的将文件合并在一起。让我们来写一个Python 程序，定制需要合并到PDF 
中的页面。
总的来说，该程序需要完成：
•    找到当前工作目录中所有PDF 文件。
•    按文件名排序，这样就能有序地添加这些PDF。
•    除了第一页之外，将每个PDF 的所有页面写入输出的文件。从实现的角度来看，代码需要完成下列任务：
•    调用os.listdir()，找到当前工作目录中的所有文件，去除掉非PDF 文件。
•    调用Python 的 sort()列表方法，对文件名按字母排序。
•    为输出的PDF 文件创建PdfFileWriter 对象。
•    循环遍历每个PDF 文件，为它创建PdfFileReader 对象。
•    针对每个PDF 文件，循环遍历每一页，第一页除外。
•    将页面添加到输出的PDF。
•    将输出的PDF 写入一个文件，名为 allminutes.pdf。
针对这个项目，打开一个新的文件编辑器窗口，将它保存为 combinePdfs.py。

第 1 步：找到所有 PDF 文件
首先，程序需要取得当前工作目录中所有带.pdf 扩展名的文件列表，并对它们

排序。让你的代码看起来像这样：

#!  python3
#  combinePdfs.py  -  Combines  all  the  PDFs  in  the  current  working  directory  into #  into  
a  single  PDF.

➊  import  PyPDF2,  os

#  Get  all  the  PDF  filenames. pdfFiles  =  []
for  filename  in  os.listdir('.'): if  filename.endswith('.pdf'):
➋                      pdfFiles.append(filename)
➌  pdfFiles.sort(key/str.lower)

➍  pdfWriter  =  PyPDF2.PdfFileWriter()

#  TODO:  Loop  through  all  the  PDF  files.

#  TODO:  Loop  through  all  the  pages  (except  the  first)  and  add  them. #  TODO:  Save  the 
 resulting  PDF  to  a  file.
在#!行和介绍程序做什么的描述性注释之后，代码导入了 os 和 PyPDF2 模块➊。
os.listdir('.')调用将返回当前工作目录中所有文件的列表。代码循环遍历这个列表，将带有.pdf 扩展名的文件添加到 pdfFiles  
中➋。然后，列表按照字典顺序排序，调用 sort()时带有 key/str.lower 关键字参数➌。
代码创建了一个PdfFileWriter 对象，保存合并后的 PDF 页面➍。最后，一些注释语句简要描述了剩下的程序。

2 步：打开每个 PDF 文件
现在，程序必须读取 pdfFiles 中的每个PDF 文件。在程序中加入以下代码：
#!  python3
#  combinePdfs.py  -  Combines  all  the  PDFs  in  the  current  working  directory  into #  a  
single  PDF.

import  PyPDF2,  os

#  Get  all  the  PDF  filenames. pdfFiles  =  []
--snip--
#  Loop  through  all  the  PDF  files. for  filename  in  pdfFiles:
pdfFileObj  =  open(filename,  'rb')
pdfReader  =  PyPDF2.PdfFileReader(pdfFileObj)
#  TODO:  Loop  through  all  the  pages  (except  the  first)  and  add  them. #  TODO:  Save  the 
 resulting  PDF  to  a  file.
针对每个PDF 文件，循环内的代码调用open()，以'wb'作为第二个参数，用读二进
制的模式打开文件。open()调用返回一个File 对象，它被传递给PyPDF2.PdfFileReader()，创建针对那个PDF 文件的PdfFileReader 对象。

第 3 步：添加每一页
针对每个 PDF  文件，需要循环遍历每一页，第一页除外。在程序中添加以下代码：

#!  python3
#  combinePdfs.py  -  Combines  all  the  PDFs  in  the  current  working  directory  into #  a  
single  PDF.

import  PyPDF2,  os

--snip--

#  Loop  through  all  the  PDF  files. for  filename  in  pdfFiles:
--snip--
#  Loop  through  all  the  pages  (except  the  first)  and  add  them.
➊            for  pageNum  in  range(1,  pdfReader.numPages): pageObj  =  
pdfReader.getPage(pageNum) pdfWriter.addPage(pageObj)

#  TODO:  Save  the  resulting  PDF  to  a  file.

for 循环内的代码将每个 Page 对象拷贝到 PdfFileWriter 对象。要记住，你需要跳过第一页。因为 PyPDF2 认为 0 是第一页，所以循环应该从 1 
开始➊，然后向上增长到 pdfReader.numPages 中的整数，但不包括它。

第 4 步：保存结果
在这些嵌套的 for 循环完成后，pdfWriter 变量将包含一个 PdfFileWriter 对象，合并了所有PDF 的页面。最后一步是将这些内容写入硬盘上的一个文件。在程序中添加以下代码：
#!  python3
#  combinePdfs.py  -  Combines  all  the  PDFs  in  the  current  working  directory  into #  a  
single  PDF.
import  PyPDF2,  os

--snip--

#  Loop  through  all  the  PDF  files. for  filename  in  pdfFiles:
--snip--
#  Loop  through  all  the  pages  (except  the  first)  and  add  them. for  pageNum  in  range(1, 
 pdfReader.numPages):
--snip--

#  Save  the  resulting  PDF  to  a  file. pdfOutput  =  open('allminutes.pdf',  'wb') 
pdfWriter.write(pdfOutput) pdfOutput.close()
向open()传入'wb'，以写二进制的模式打开输出 PDF 文件 allminutes.pdf。然后，将

得到的 File 对象传给write()方法，创建实际的 PDF 文件。调用 close()方法，结束程序。

第 5 步：类似程序的想法
能够利用其他PDF 文件的页面创建PDF 文件，这让你的程序能完成以下任务：
•    从PDF 文件中截取特定的页面。
•    重新调整PDF 文件中页面的次序。
•    创建一个PDF 文件，只包含那些具有特定文本的页面。文本由extractText()来确定。