PDF处理小技巧-批量首页合并

项目场景：

信息检索可要求检索导师发表的所有文章，并将每篇文章的首页合并为一个PDF文件，还需要一个简单的目录。

---

解决方式：

由于之前已将检索到的文章都下载在了文件夹中，因此对文件夹中的所有PDF文件进行读取： 首先需要导入pdfrw库中的PdfReader, PdfWriter，以及os模块。

pip install pdfrw

from pdfrw import PdfReader, PdfWriter
import os

# PDF所在文件路径
path = r'E:/学习资料/其他/信息检索/英文/'

# 获取指定文件夹中所有PDF格式的文件名并合成文件路径
def findAllFile(path):
    count = 0
    # 在获取文件名时顺便将简单的目录做好
    exfile = open(path+'目录.doc', 'w')
    for root, ds, fs in os.walk(path):
        for f in fs:
            count = count + 1
            if f.endswith('.pdf'):
                fullname = os.path.join(root, f)
                yield fullname
                exfile.write(str(count) + '.' + f +'\n')

然后将每个PDF文件的首页依此加入到PdfWriter中，最后输出保存，以达到将首页拼接的效果

# 将每个PDF文件的首页依此加入到PdfWriter中，最后输出保存
def main():
    output = path+'英文论文首页.pdf'
    writer = PdfWriter()
    for i in findAllFile(path):
        pdf_obj = PdfReader(i)
        writer.addpage(pdf_obj.pages[0])

    writer.write(output)


if __name__ == '__main__':
    # main函数是用来形成首页合集和目录的
    main()

---

其他内容：

由于要将目录与首页合集整合在一个文件里，不知道在软件里咋整，就又用程序来处理了。

# 后面这些是将目录的pdf版本和生成的首页合集拼接起来的，可用可不用
output = path + '英文论文首页.pdf'
writer = PdfWriter()
pdf_obj = PdfReader(path + '目录.pdf')
total_pages = len(pdf_obj.pages)
for i in range(total_pages):
	writer.addpage(pdf_obj.pages[i])
pdf_obj = PdfReader(output)
total_pages = len(pdf_obj.pages)
for i in range(total_pages):
	writer.addpage(pdf_obj.pages[i])
writer.write(path + '英文论文合集.pdf')

---

后记：

只是个很小的技巧，应用面也很窄，可以当做Python进行PDF处理的一个入门小案例吧。仅作参考~分享出来做个小记录，希望能有点用。

欢迎批评指正~