【Python批量拆分PDF文件】

本文介绍如何利用PyPDF4库在Python中批量拆分PDF文件。通过指定目录路径,代码能自动处理该路径下所有PDF,根据设定的起始和结束页码创建新的PDF文档。
摘要由CSDN通过智能技术生成

使用PyPDF4库对pdf文件进行批量拆分。需要指定正确路径,代码会将该路径下的所有pdf文件按指定的起、止页进行批量拆分,并保存为新的PDF文件。

安装库:

pip install PyPDF4

 批量拆分代码:

import os
from PyPDF4 import PdfFileReader, PdfFileWriter

def split_pdf(input_path, start_page, end_page):
    pdf = PdfFileReader(input_path)

    start_page = max(0, start_page - 1)
    end_page = min(end_page, pdf.getNumPages())

    output = PdfFileWriter()

    for page in range(start_page, end_page):
        output.addPage(pdf.getPage(page))

    # 指定拆分后的输出文件名
    filename = os.path.splitext(os.path.basename(input_path))[0]
    output_filename = f"{filename}_split_{start_page+1}_to_{end_page}.pdf"

    with open(output_filename, "wb") as output_file:
        output.write(output_file)

    print(f"拆分成功!已保存为 {output_filename}")

# 遍历文件夹下的所有PDF文件
folder_path = "C:/Users/Administrator/Desktop"  # 文件夹路径,可自行修改
for filename in os.listdir(folder_path):
    if filename.endswith(".pdf"):
        pdf_path = os.path.join(folder_path, filename)
        split_pdf(pdf_path, 1, 3)  # 提取前3页并保存,可自行修改

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
要使用Python进行批量处理PDF文件,可以使用for循环进行批量操作。首先,将PDF文件转化为txt文件,可以使用pdf_to_txt函数,并传入文件路径作为参数。然后,删除txt文件中的换行符,以防止词语因此被拆分。可以使用delete_huanhangfu函数来实现。接下来,可以添加自定义词语,使用word_by_myself函数来完成。最后,分词并进行词频统计,可以使用cut_and_count函数,传入文件路径作为参数。下面是一个示例代码: ``` import os def pdf_to_txt(filepath, index): # 实现将pdf文件转化为txt文件的操作 pass def delete_huanhangfu(filepath, index): # 实现对txt文件的换行符进行删除的操作 pass def word_by_myself(): # 添加自定义词语的操作 pass def cut_and_count(filepath): # 实现分词并进行词频统计的操作 pass if __name__ == "__main__": # 批量处理pdf文件 fileNum = 10 # 假设总共有10个pdf文件 path = 'dealPdf' for i in range(1, fileNum+1): pdf_filepath = os.path.join(path, f'{i}.pdf') pdf_to_txt(pdf_filepath, i) txt_filepath = os.path.join('dealTxt', f'{i}.txt') delete_huanhangfu(txt_filepath, i) word_by_myself() print(f'----------result {i}----------') outPutTxt_filepath = os.path.join('outPutTxt', f'{i}.txt') cut_and_count(outPutTxt_filepath) ``` 在这个示例代码中,首先定义了一些函数,如pdf_to_txt、delete_huanhangfu、word_by_myself和cut_and_count,分别负责将pdf转化为txt、删除换行符、添加自定义词语以及进行分词和词频统计的操作。然后,在主函数内使用for循环,遍历所有的pdf文件,并依次调用这些函数来进行批量处理。注意,文件名被命名为数字是为了方便处理,如果文件名已经命名完成,则在主函数内将rename函数注释掉即可。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [python批量处理PDF文档,输出自定义关键词的出现次数](https://blog.csdn.net/weixin_43956523/article/details/124217368)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值