python实际应用2-拆分PDF

@2018年12月24日

• 背景
  由于工作性质，经常面对不同的问题，某些场景下SQL+Excel、常用办公软件不能处理，这时到网上找一些案例，自己动手用python处理。后续，借此博客记录比较典型的处理过程。
  后续，陆续实际处理的问题，如
  1. 合并PDF(https://blog.youkuaiyun.com/weixin_44230447/article/details/85231757)
  2. 拆分PDF
  3. 敏感字段MD5脱敏
  4. 从非架构化的大文本文件中提取指定条件的记录

• 需求
  上一个案例，为合并PDF。但工作中正好也遇到要将PDF拆分打散的情况。Python 3下实现此需求，将多页PDF文件，分成单页。

• 拆分PDF的python

'''# -*- coding:utf-8*-'''
import sys
import importlib
importlib.reload(sys)

import os
import os.path
from PyPDF2 import PdfFileReader, PdfFileWriter 
import time
time1=time.time()

##########################拆分一个PDF文件，输出到同一个文件夹下########################
def split_pdf(infn):
    # infn: 切分的pdf
    pdf_input = PdfFileReader(open(infn, 'rb'))
    page_count = pdf_input.getNumPages()
    print("page_count: ",page_count)

    # 进行切分
    for num in range(0, page_count):
        pdf_output = PdfFileWriter()
        outfn_name = "".join(infn.split(".")[:-1]) + "_" + str(num+1) + ".pdf"
        print("The out_file_name is ",outfn_name)
        pdf_output.addPage(pdf_input.getPage(num))
        pdf_output.write(open(outfn_name, 'wb'))

if __name__ == '__main__':
    file_dir = r'D:\扫描文件\split_input/'     # 待拆分PDF 所在文件夹
    in_file_name=u"某某待拆分文件.pdf"        # 待拆分PDF文件名称
    
    print("this file is ",file_dir+in_file_name)
    split_pdf(file_dir+in_file_name)
    time2 = time.time()
    print( u'总共耗时：' + str(time2 - time1) + 's')

• 使用注意事项
  将要拆分的PDF文件，如某某待拆分文件.pdf，放到D:\扫描文件\split_input 中，拆分后的文件"某某待拆分文件_1.pdf"默认输出到D:\扫描文件\split_input\中。如指定不同的输出目录，建议修改第22行的outfn_name。