批量截取PDF指定页面

原博主网址如下，仅作学习记录。

https://blog.csdn.net/qq_42003943/article/details/124385592?utm_medium=distribute.pc_relevant.none-task-blog-2_defaultbaidujs_baidulandingword~default-8-124385592-blog-125025413.235^v27pc_relevant_default&spm=1001.2101.3001.4242.5&utm_relevant_index=11

1、提取第一页

import os
from PyPDF2 import PdfFileWriter, PdfFileReader

def get_file(path, all_files):
    FileNames = os.listdir(path)
    for file_name in FileNames:
        cur_path = os.path.join(path, file_name)
        if os.path.isdir(cur_path):
            get_file(cur_path, all_files)
        else:
            if file_name.endswith('.pdf'):
                all_files.append(cur_path)
    return all_files


def extract_one_pdf(pdf_path, save_dir, start_page, end_page):
    pdf_name = pdf_path.split("\\")[-1]
    print(f"Processing file -- {pdf_path}")
    if not os.path.exists(save_dir):
        print(save_dir)
        os.makedirs(save_dir)
    pdf_file = PdfFileReader(pdf_path, strict=False)
    pdf_pages = pdf_file.getNumPages()
    if not -1 < start_page < end_page < pdf_pages:
        raise ValueError("Pages Error")

    pdf_output = PdfFileWriter()
    for i in range(start_page, end_page):
        page = pdf_file.getPage(i)
        pdf_output.addPage(page)
    with open(save_dir + pdf_name, 'wb') as out:
        pdf_output.write(out)

def extract_many_pdf(pdf_dir_path, save_path, start_page, end_page):
    count=0
    source_files = get_file(pdf_dir_path, [])
    for i, file in enumerate(source_files):
        try:
            file_name = file.split("\\")[-1]
            save_file = file.replace(pdf_dir_path, save_path)
            save_dir = save_file.replace(file_name, '')
            count = count +1
            extract_one_pdf(file, save_dir, start_page, end_page)
        except:
            print("文件错误：",file_name)
        continue
    print("本次共计处理",count,"个文件") 
    print('process finished，please check') 


if __name__ == '__main__':
    path = "Z:\\00\\"
    out_path = "Z:\\01\\"
    extract_many_pdf(path, out_path, 0, 1)

2、读取原始文件路径所有文件文件名字

import os
import xlwt #操作excel模块
import sys

path25= "Z:\\00\\"
file_path = path25+'\\清单识别数据.xls'#sys.path[0]为要获取当前路径，filenamelist为要写入的文件
f = xlwt.Workbook(encoding='utf-8', style_compression=0) #新建一个excel
sheet = f.add_sheet('sheet1') #新建一个sheet
pathDir = os.listdir(path25)#文件放置在当前文件夹中，用来获取当前文件夹内所有文件目录
 
i = 0 #将文件列表写入test.xls
for s in pathDir:
    sheet.write(i, 0, s) #参数i,0,s分别代表行，列，写入值
    i = i+1
            
print(file_path)
print(i)        #显示文件名数量
f.save(file_path)

3、读取提取后文件路径所有文件

import os
import xlwt #操作excel模块
import sys

path25= "Z:\\01\\"
file_path = path25+'\\清单识别数据.xls'#sys.path[0]为要获取当前路径，filenamelist为要写入的文件
f = xlwt.Workbook(encoding='utf-8', style_compression=0) #新建一个excel
sheet = f.add_sheet('sheet1') #新建一个sheet
pathDir = os.listdir(path25)#文件放置在当前文件夹中，用来获取当前文件夹内所有文件目录
 
i = 0 #将文件列表写入test.xls
for s in pathDir:
    sheet.write(i, 0, s) #参数i,0,s分别代表行，列，写入值
    i = i+1
            
print(file_path)
print(i)        #显示文件名数量
f.save(file_path)

4、合并PDF文件

https://www.cnblogs.com/weiyangoo/p/14248061.html

# -*- coding:utf-8*-
# 利用PyPDF2模块合并同一文件夹下的所有PDF文件
# 只需修改存放PDF文件的文件夹变量：file_dir 和 输出文件名变量: outfile

import os
from PyPDF2 import PdfFileReader, PdfFileWriter
import time
import sys

if not sys.warnoptions:
    import warnings
    warnings.simplefilter("ignore")

# 使用os模块的walk函数，搜索出指定目录下的全部PDF文件
# 获取同一目录下的所有PDF文件的绝对路径
def getFileName(filedir):

    file_list = [os.path.join(root, filespath) \
                 for root, dirs, files in os.walk(filedir) \
                 for filespath in files \
                 if str(filespath).endswith('pdf')
                 ]
    return file_list if file_list else []

# 合并同一目录下的所有PDF文件
def MergePDF(filepath, outfile):

    output = PdfFileWriter()
    outputPages = 0
    pdf_fileName = getFileName(filepath)

    if pdf_fileName:
        for pdf_file in pdf_fileName:
            print("路径：%s"%pdf_file)

            # 读取源PDF文件
            input = PdfFileReader(open(pdf_file, "rb"),strict=False)

            #获得源PDF文件中页面总数
            pageCount = input.getNumPages()
            outputPages += pageCount
            print("页数：%d"%pageCount)

            # 分别将page添加到输出output中
            for iPage in range(pageCount):
                output.addPage(input.getPage(iPage))

        print("合并后的总页数:%d."%outputPages)
        # 写入到目标PDF文件
        outputStream = open(os.path.join(filepath, outfile), "wb")
        output.write(outputStream)
        outputStream.close()
        print("PDF文件合并完成！")

    else:
        print("没有可以合并的PDF文件！")

主函数如下：

# 主函数
def main():
    time1 = time.time()
    file_dir = r"Z:\01"   #待合并pdf路径
    outfile = "merge.pdf"   #合并好的pdf文件名
    MergePDF(file_dir, outfile)
    time2 = time.time()
    print('总共耗时：%s s.' %(time2 - time1))
main()