|
公司船務(wù)部一個重要任務(wù)就是需要準(zhǔn)備每單貨物的發(fā)票，從系統(tǒng)導(dǎo)出發(fā)票時是默認(rèn)存為一個PDF文檔，在打印的時候，有多少個文件，就需要點(diǎn)多少次“打印”。如果能夠?qū)?dāng)天的發(fā)票PDF檔合并在一個PDF里面，只需要點(diǎn)一次“打印”即可完成。 在網(wǎng)上我們可以搜到很多PDF合并軟件，但在真實(shí)工作環(huán)境下并不是非常實(shí)用，比如有些PDF有封面頁，我們在合并的時候只需要第一個文件的封面即可，后續(xù)的只要封面后的內(nèi)容。而PDF合并軟件是簡單粗暴的直接將所有內(nèi)容合并，那合并后的文件就會多出很多我們不需要的“封面”。 Python有一個庫PyPDF2可輕松解決這個小問題，可以實(shí)現(xiàn)任意選定頁面的合并。通過文件夾遍歷，可以將不同文件夾下的PDF按選定的頁面合并在一起，方便實(shí)用，絕不含糊 。 %%time
import PyPDF2 #可從PDF文檔提取信息
import os #用于獲取需要合并的PDF文件所在路徑
path='data/' # 文件夾路徑
#1.獲取需要用于合并的文件名及路徑
files=[]
for file in os.listdir(path):
if file.endswith('.pdf'): #排除文件夾內(nèi)的其它干擾文件，只獲取PDF文件
files.append(path+file)
#2.獲取每個PDF文件里面需要的信息并添加到寫入文件
pdf_writer=PyPDF2.PdfFileWriter()
for file in files:
pdf_obj=open(file,'rb')# 以二進(jìn)制讀取，將保留PDF中的所有信息
pdf_reader=PyPDF2.PdfFileReader(pdf_obj)
for page_num in range(1,pdf_reader.numPages): #不要第一頁的封面，從第2頁開始獲取
page_obj=pdf_reader.getPage(page_num)
pdf_writer.addPage(page_obj)
#3.寫入并保存匯總PDF文件
pdf_output_file=open('data\combined_inv.pdf','wb') #以二進(jìn)制寫入，將保留源PDF中的所有信息
pdf_writer.write(pdf_output_file)
pdf_output_file.close()
我們先導(dǎo)入PyPDF2和os庫。若未安裝PyPDF2,可運(yùn)行'cmd.exe'，輸入'pip install PyPDF2'，請注意PyPDF2有大小寫要求，不然無法安裝。 
然后定義pyth為我們需要操作的文件夾的路徑。隨后就需要獲取我們待合并的所有PDF文件的文件名和路徑，并存入我們定義的列表files。如果文件夾內(nèi)有非pdf文件，也會被獲取。比如如下，我們可以看到這個路徑下有一個txt文件,那可不是我們想要的。因此需要加入一個篩選，file.endswith('.pdf')我們只要以'.pdf'結(jié)尾的文件。這樣得到的files列表就是我們需要合并的文件及其路徑了。files.append(path+file)里面'path+file'是用于將路徑和文件名連接起來，這樣才能得到文件的完整路徑，程序才可以找得到這個文件。
os.listdir(path)
>['combined_inv.pdf',
'INV1.pdf',
'INV2.pdf',
'INV3.pdf',
'INV4.pdf',
'INV5.pdf',
'test.txt']
files
>['data/INV1.pdf',
'data/INV2.pdf',
'data/INV3.pdf',
'data/INV4.pdf',
'data/INV5.pdf']
待合并的PDF文件路徑搜集完后，就可以開始逐個讀取其中想要的頁面了。按照PyPDF2的操作要求，我們需要按如下步驟來進(jìn)行讀取和寫入：
1. 打開PDF文件，得到一個“讀取”對象。讀取對象相當(dāng)于是盛裝這個PDF文件內(nèi)容的容器。
2．創(chuàng)建一個 “寫入” 對象，相當(dāng)于另一個容器，用于向其中轉(zhuǎn)移上一個步驟讀取出來的內(nèi)容。
3．將頁面從 “讀取” 容器倒入 “寫入” 容器之中。
4．待“寫入”容器裝完所有需要的內(nèi)容后，寫入并輸出新的 PDF。
pdf_writer=PyPDF2.PdfFileWriter()就是用于裝待寫入文件的容器， PyPDF2.PdfFileWriter()是固定寫法，其原理就無需深究了。然后我們讀取每個PDF文件，先將打開PDF文件，并存到pdf_obj，然后使用PyPDF2.PdfFileReader(pdf_obj)讀取其中的信息，存到pdf_reader，然后再獲取其中的頁面，此處我們將其中第2頁及以后的頁（如果有的話）面提取出來。因此range(1,pdf_reader.numPages)是從1開始，因為range是從0索引開始，因此1代表第二頁?！皃df_reader.numPages”是該P(yáng)DF文件的總頁數(shù)。pdf_reader.getPage(page_num)可獲得其中每頁的信息，我們將它存入page_obj容器。隨后我們使用addPage方法pdf_writer.addPage(page_obj)將page_obj中的信息放入最開始的pdf_writer容器中。
就這樣逐個打開相關(guān)PDF文件，讀取文件，獲取頁面信息，然后存入pdf_writer容器。如同吃火鍋時，從不同的佐料中取我們想要的佐料和量，加入到自己的油碟中一樣。
待所有想要合并的頁面都加入pdf_writer容器之后，就可以寫入新的PDF文件并保存了。先新建一個名為“combined_inv.pdf”的文件，并以二進(jìn)制打開 open('data\combined_inv.pdf','wb')。然后將pdf_writer容器中的所有信息用write方法寫入到新的文件pdf_writer.write(pdf_output_file)。最后關(guān)閉該文件pdf_output_file.close()，操作完成。合并后的PDF文件combined_inv.pdf如下：
所有源代碼和說明都在Jupyter notebook上完成，所用到的Excel 資料已上傳GitHub, 歡迎Fork或下載到本地隨意玩。。。轉(zhuǎn)載請注明出處，謝謝。
GitHub鏈接： https://github.com/weidylan/Office_Automation_by_Using_Python
|
