一站式Python脚本:自动生成带目录和页脚的整合PDF文档
在处理大量PDF文档时,尤其是需要将它们整合成一个文件并添加统一页脚和目录时,手动操作不仅耗时还容易出错。本文介绍的Python脚本能够自动化这一流程,极大提升工作效率,非常适合学术研究、文档管理等需要处理大量PDF文件的场景。
作用:
将指定文件夹内的多个PDF文件整合成一个PDF文件,同时为每一页添加自定义的页脚(如页码),并在文档前添加一个包含所有原始PDF文件名作为标题的目录页。以下是详细的代码流程解释:
1. 创建页脚页面 (create_footer_page
函数)
- 使用
reportlab
库在一个空的PDF页面上绘制自定义文本作为页脚,文本位于页面底部中心位置。 - 为了确保新的页脚可以覆盖原有页码,首先绘制一个足够大的白色矩形来覆盖底部的区域,然后在该区域上添加文本。
2. 添加目录页到PDF (add_catalog_page
函数)
- 生成一个包含目录的PDF页面。目录页上会列出所有被整合PDF文件的标题(即文件名,去除了
.pdf
后缀)及其在最终PDF文件中的起始页码。 - 目录页处理长标题分行显示,确保标题不会超出页面边缘,并使用点线连接标题和页码,使目录易于阅读。
3. 读取并整合PDF文件
- 按照指定顺序 (可将特定文件置于首位) 读取文件夹内的所有PDF文件。
- 对于每个PDF文件,读取其全部页面,并记录其标题和起始页码用于生成目录页。
4. 创建并添加目录页
- 使用
add_catalog_page
函数生成目录页,并将此页添加到最终PDF文档的开头。
5. 添加页脚并整合所有页面
- 对于原始PDF文档中的每一页,使用
create_footer_page
函数创建一个包含页脚的页面,并将其与原始页面合并,以确保每一页都带有页脚信息。 - 将处理过的页面逐一添加到最终的PDF文档中。
6. 保存最终PDF文档
- 将所有处理后的页面(包括目录页和带页脚的原始页面)整合成一个新的PDF文件,并保存到指定的路径。
完整代码
import io
import os
import re
from PyPDF2 import PdfReader
from PyPDF2 import PdfWriter
from reportlab.lib.pagesizes import letter
from reportlab.pdfbase.pdfmetrics import stringWidth
from reportlab.pdfgen import canvas
def create_footer_page(footer_text):
packet = io.BytesIO()
c = canvas.Canvas(packet, pagesize=letter)
width, height = letter # letter页面的宽度和高度
font_name = "Helvetica" # 使用的字体
font_size = 12 # 字体大小
cover_height = font_size + 4 # 覆盖区域的高度稍大于字体大小,以确保完全覆盖原有页码
cover_y_position = 28 # 覆盖区域的Y位置,根据需要进行调整以确保覆盖原有页码
# 计算文本宽度和起始X位置以居中文本
text_width = c.stringWidth(footer_text, font_name, font_size)
text_start_position = (width - text_width) / 2
# 绘制一个足够大的白色矩形以覆盖原有页码
c.setFillColorRGB(1, 1, 1) # 设置填充颜色为白色
c.rect(0, cover_y_position, width, cover_height, stroke=False, fill=True)
# 在页脚区域居中添加文本,高度可以根据需要调整
c.setFont(font_name, font_size) # 设置字体和大小
c.setFillColorRGB(0, 0, 0) # 设置文本颜色为黑色
c.drawString(text_start_position, 32, footer_text) # 绘制居中的页脚文本
c.save()
packet.seek(0)
return PdfReader(packet)
# 定义函数,添加目录页到PDF
def add_catalog_page(bookmarks):
packet = io.BytesIO() # 创建内存中的字节包,用于临时存储PDF数据
c = canvas.Canvas(packet, pagesize=letter) # 创建一个画布,设置其页面大小为letter
width, height = letter # 获取页面宽度和高度
top_margin = 60 # 设置顶部边距
bottom_margin = 60 # 设置底部边距
y_position = height - top_margin # 计算初始y坐标位置,考虑顶部边距
c.setFont("Helvetica-Bold", 16) # 设置目录标题的字体和大小
c.drawString(280, y_position, "Directory") # 绘制目录标题
y_position -= 30 # 更新y坐标位置以为目录项留出空间
c.setFont("Helvetica", 12) # 设置目录项的字体和大小
left_margin = 72 # 左边距
right_margin = width - 72 # 右边距
dot_space = 5 # 点之间的间隔
different_title_spacing = 25 # 不同标题之间的间隔
same_title_line_spacing = 15 # 同一个标题换行的间隔
split_ratio = 0.97 # 分割点的位置比例
title_number = 1 # 初始化标题编号
for title, page_number in bookmarks:
title = re.sub(r"\[.*?\]", "", title) # 删除标题中的方括号及其内容
title = title.replace("_", " ") # 将标题中的短横线替换成空格
# 使用zfill确保编号位数为2,例如"01", "02", ..., "10", "11", ...
formatted_number = str(title_number).zfill(2)
title = f"{formatted_number}. {title}" # 给标题添加编号
title_number_width = stringWidth(f"{title_number}. ", "Helvetica", 12) + 1 # 计算编号宽度
title_number += 1 # 更新标题编号
available_width = right_margin - left_margin - dot_space * 2 # 计算可用宽度
title_width = stringWidth(title, "Helvetica", 12)
page_number_str = str(page_number)
page_number_width = stringWidth(page_number_str, "Helvetica", 12)
# 判断标题是否需要分割
if title_width > available_width * split_ratio:
split_title = title
# 寻找合适的分割点
while stringWidth(split_title + "-", "Helvetica", 12) > available_width * split_ratio:
split_title = split_title[:-1]
split_title += "-"
c.drawString(left_margin, y_position, split_title)
y_position -= same_title_line_spacing # 为分割后的标题调整y坐标
title = title[len(split_title) - 1:]
# 特别注意:这里不再添加编号宽度,因为编号已经在第一行绘制
c.drawString(left_margin + title_number_width, y_position, title) # 绘制续行部分标题
else:
# 如果不需要分割标题,直接绘制
c.drawString(left_margin, y_position, title)
#c.drawString(left_margin, y_position, title) # 绘制标题
c.drawRightString(right_margin, y_position, page_number_str) # 绘制页码
# 绘制点线连接标题和页码
dot_line_start = left_margin + stringWidth(title, "Helvetica", 12) + 10
dot_line_end = right_margin - page_number_width - 10
current_position = dot_line_start
while current_position < dot_line_end:
c.drawString(current_position, y_position, ".")
current_position += dot_space
y_position -= different_title_spacing # 更新y坐标以为下一个标题留出空间
if y_position < bottom_margin: # 检查是否需要翻页
c.showPage()
y_position = height - top_margin # 重置y坐标,考虑顶部边距
c.setFont("Helvetica", 12) # 确保新页面使用正确的字体和大小
c.save() # 保存PDF到内存中的字节包
packet.seek(0) # 将字节包的指针重置到开始位置
return PdfReader(packet) # 创建并返回一个PDF阅读器对象,包含内存中的PDF数据
# 读取PDF/路径下所有.pdf为后缀的文件
pdf_dir = '老师的论文集/'
pdf_files = sorted([f for f in os.listdir(pdf_dir) if f.endswith('.pdf')], reverse=True)
# 找到特定文件并将其移动到列表的开头
specific_file = "[Z] Mth.pdf"
if specific_file in pdf_files:
pdf_files.insert(0, pdf_files.pop(pdf_files.index(specific_file)))
print(pdf_files)
# 存储所有处理后的页面,以便后续添加页脚
all_pages = []
bookmarks = []
total_pages = 0
# 首先处理每个PDF文件,但不立即添加页脚
for filename in pdf_files:
reader = PdfReader(os.path.join(pdf_dir, filename))
bookmarks.append((filename.replace('.pdf', ''), total_pages + 1))
for page in reader.pages:
all_pages.append(page)
total_pages += 1
# 创建目录页并添加到最终PDF
writer = PdfWriter()
catalog_pdf = add_catalog_page(bookmarks)
for page in catalog_pdf.pages:
writer.add_page(page)
# 为每页添加页脚,并将页面添加到最终的PDF中
current_page_number = 1 # 从目录页之后的第一页开始计数页码
catalog_pages_count = len(catalog_pdf.pages) # 计算目录页数量
for page in all_pages:
# 不再需要在页码中加上目录页的数量
footer_pdf = create_footer_page(f"Page number: {current_page_number}")
page.merge_page(footer_pdf.pages[0])
writer.add_page(page)
current_page_number += 1
# 保存最终的PDF
output_pdf_path = "老师的论文集.pdf"
with open(output_pdf_path, "wb") as f_out:
writer.write(f_out)