【python批量处理pdf】pdf合并 + pdf转word文件

---

一、PDF批量合并

1、文件准备

1、将需要合并的PDF文放到一个文件夹下并做好备份。
2、安装好PyPDF2库，终端输入命令

pip3 install PyPDF2

2、代码

import os
from PyPDF2 import PdfFileMerger
 
path = '/Users/zero/Desktop/2016'  #pdf目录文件路径
listname = os.listdir(path) #获取所有pdf文件名
get_key = lambda i : i.split('.')[0] #调整listdir的（数字排列）顺序
new_sort = sorted(listname, key=get_key)

pdf_lst = [f for f in new_sort if f.endswith('.pdf')]
pdf_lst = [os.path.join(path, filename) for filename in pdf_lst]
 
file_merger = PdfFileMerger()
for pdf in pdf_lst:
    file_merger.append(open(pdf, 'rb'))  # 合并pdf文件
 
a = '/Users/zero/Desktop/2016.pdf' # 创建一个2016.pdf文件作为最终合并文件。
with open(a, "wb") as fout:
    file_merger.write(fout)

*代码文件（也就是.py文件）不放在pdf文件夹中

3、注意事项

关于系统路径：
在 Windows 操作系统上，路径的写法采用的是 \ 反斜杠。
在 macOS 和 Linux 操作系统上，路径的写法采用的是 / 正斜杠。
Python 中 “\”是转义符，如果继续用windows的“\”表示文件路径，就会产生歧义。

例如：Windows下的原始路径：C:\Users\Documents\GitHub\

在Python中有三种方法表示：

path = "C:\\Users\\Documents\\GitHub\\"       
path = r'C:\Users\Documents\GitHub\'
path = 'C:/Users/Documents/GitHub/'

或者也可以用vscode打开所在文件夹后直接获取当前路径

path = os.getcwd()  #获取当前工作路径

os.listdir排列的顺序是按照：1，10，2，20…的顺序，需要调整成按照01，02，03，04…进行排序
*如果pdf文件以数字序号命名，请将文件名1-9改为01-09。

---

---

---

二、PDF批量转word文件

1、文件准备

1、将需要转成word文档的PDF文件放到一个文件夹下，做好备份。
2、安装pdf2docx库，用pip或者pip3

pip install pdf2docx

3、新建py文件

2、代码

import os
from pdf2docx import Converter
 
def pdf_docx():
    file_path = os.getcwd()# 获取当前工作目录
    for file in os.listdir(file_path): # 遍历所有文件
        suff_name = os.path.splitext(file)[1] # 获取后缀
        if suff_name != '.pdf': # 过滤文件夹中的非pdf格式文件
            continue
        
        file_name = os.path.splitext(file)[0]# 获取文件名称
        pdf_name = os.getcwd() + '/' + file #mac用'/'，Windows用'\\'
        docx_name = os.getcwd() + '/' + file_name + '.docx' #转换为docx文件
        
        # 加载pdf文档并转换
        cv = Converter(pdf_name)
        cv.convert(docx_name)
        cv.close()
pdf_docx()

3、运行效果