Python PDF文件拆分-详解

目录

使用工具

将PDF按页数拆分

将PDF的每一页拆分为单独的文件

将PDF按指定页数拆分

根据页码范围拆分PDF

根据指定内容拆分PDF

将PDF的一页拆分为多页

---

在日常生活中，我们常常会遇到大型的PDF文件，这些文件可能难以发送、管理和查阅。将PDF拆分成多个小文件是一个实用的解决方案，可以为我们带来多重好处。首先，拆分PDF可以提高文件的可读性，使用户更容易找到所需信息。此外，拆分后的文件更便于分享和协作，特别适用于团队项目，让不同成员能够同时处理各自负责的部分。同时，这种方法还能有效保护隐私，允许将敏感信息单独处理，从而降低数据泄露的风险。

这篇博客将探讨如何使用Python实现PDF文件拆分，主要涵盖以下几个方面的内容：

• 将PDF按页数拆分
  • 将PDF的每一页拆分为单独的文件
  • 将PDF按指定页数拆分
• 将PDF按页码范围拆分
• 将PDF按指定内容拆分
• 将PDF的一页拆分为多页

使用工具

要在Python中实现拆分PDF文件，可以使用Spire.PDF for Python库。该库主要用于在Python应用程序中生成和处理PDF文档，也支持将PDF转换为其他格式，例如图片，Word和Excel等。

安装 Spire.PDF

在开始之前，需要先安装 Spire.PDF 库。你可以在终端中运行以下命令进行安装：

pip install spire.pdf

将PDF按页数拆分

在按页数拆分PDF文件时，你可以将PDF文档的每一页拆分为一个单独的文件，也可以将PDF文档按指定页数拆分。下面将对这两种方式逐一进行介绍。

将PDF的每一页拆分为单独的文件

Spire.PDF for Python提供了PdfDocument.Split()方法，支持将PDF文档按页拆分，生成的每个文件仅包含原始文档中的一页。具体实现步骤如下：

• 创建PdfDocument对象。
• 使用PdfDocument.LoadFromFile()方法打开PDF文档。
• 使用PdfDocument.Split()方法将PDF文档的每一页拆分为单独的PDF文档。

实现代码：

from spire.pdf.common import *
from spire.pdf import *# 创建PdfDocument对象
pdf = PdfDocument()
# 加载PDF文件
pdf.LoadFromFile("心理健康.pdf")# 将PDF文件拆分为多个PDF文件，每个文件仅包含原始PDF中的一页
pdf.Split("拆分PDF/第{0}页.pdf", 1)# 关闭PdfDocument对象
pdf.Close()

将PDF按指定页数拆分

将 PDF 文件按指定页数拆分的方法是通过创建新的 PDF 文档并将指定数量的页面插入其中来实现。具体实现步骤如下：

• 创建PdfDocument对象。
• 使用PdfDocument.LoadFromFile()方法打开PDF文档。
• 获取PDF文档的总页数。
• 使用循环按指定页数拆分PDF：
  • 设置起始页和结束页。
  • 创建新的PdfDocument对象。
  • 使用PdfDocument.InsertPageRange()方法将当前页码范围内的页面插入到新PDF文档中。
  • 使用PdfDocument.SaveToFile()方法保存生成的PDF文档。

实现代码：

from spire.pdf.common import *
from spire.pdf import *# 将PDF按指定页数拆分的方法
def split_pdf_by_page_count(input_file, page_count):# 创建PdfDocument对象pdf = PdfDocument()# 加载PDF文件pdf.LoadFromFile(input_file)# 计算总页数total_pages = pdf.Pages.Count# 按指定页数拆分PDFfor i in range(0, total_pages, page_count):# 创建新的PdfDocument对象new_pdf = PdfDocument()# 计算当前要插入的页码范围start_page = iend_page = min(i + page_count - 1, total_pages - 1)  # 确保不超过总页数# 将当前页码范围的页面插入到新PDF中new_pdf.InsertPageRange(pdf, start_page, end_page)# 保存生成的文件new_pdf.SaveToFile("拆分PDF/" + f"{start_page + 1}-{end_page + 1}页.pdf")# 关闭新创建的PdfDocument对象new_pdf.Close()# 关闭原始PdfDocument对象pdf.Close()# 调用split_pdf_by_page_count方法将PDF文件按照每3页拆分
split_pdf_by_page_count("心理健康.pdf", 3)

根据页码范围拆分PDF

除了按页数拆分 PDF 文件外，你还可以选择将指定页码范围内的页面提取为单独的文件。该方法的实现步骤与按指定页数拆分类似，此处不再赘述。

实现代码：

from spire.pdf.common import *
from spire.pdf import *# 提取PDF中指定页码范围内的页面并保存为新文件的方法
def split_pdf_by_page_range(input_file, start_page, end_page, output_file):# 创建PdfDocument对象并加载PDF文件pdf = PdfDocument()pdf.LoadFromFile(input_file)# 创建新的PdfDocument对象new_pdf = PdfDocument()# 将指定页码范围内的页面插入到新PDF文档中new_pdf.InsertPageRange(pdf, start_page, end_page)# 保存生成的文件new_pdf.SaveToFile(output_file)# 关闭PdfDocument对象pdf.Close()new_pdf.Close()# 调用split_pdf_by_page_range方法，从PDF文件中提取第1-3页并保存为新文件
split_pdf_by_page_range("心理健康.pdf", 0, 2, "拆分PDF/指定页码范围.pdf")

根据指定内容拆分PDF

在某些情况下，你可能需要根据特定关键字或短语拆分 PDF。这种方法可以提取包含特定内容的页面，便于整理相关信息。以下代码会查找 PDF 每一页上的文本，如果找到指定关键字，则将该页面添加到新 PDF 中：

from spire.pdf.common import *
from spire.pdf import *# 提取包含特定关键字的页面到新PDF中的方法 
def extract_pages_with_keyword(pdf_path, output_path, keyword):# 创建PdfDocument对象pdf = PdfDocument()# 加载PDF文件pdf.LoadFromFile(pdf_path)# 创建一个新的PdfDocument对象new_pdf = PdfDocument()# 遍历文档中的每一页for i in range(pdf.Pages.Count):page = pdf.Pages[i]# 创建PdfTextFinder实例finder = PdfTextFinder(page)# 定义文本查找参数finder.Options.Parameter = TextFindParameter.WholeWord# 查找特定文本results = finder.Find(keyword)# 如果找到了关键字if results:# 将当前页面添加到新文档中new_pdf.InsertPage(pdf, i)# 保存提取的结果文件new_pdf.SaveToFile(output_path)# 关闭PdfDocument对象new_pdf.Close()pdf.Close()# 调用extract_pages_with_keyword方法将PDF文件中包含特定关键字的页面保存为新文件
extract_pages_with_keyword("心理健康.pdf", "拆分PDF/含关键字页面.pdf", "问题")

将PDF的一页拆分为多页

在某些情况下，你可能需要将 PDF 文档的某一页拆分为两页或多页。在拆分时，你可以选择将该页面横向或竖向拆分。横向拆分时，拆分后的文档的每个页面的宽度等于原始宽度的1/拆分总页数；竖向拆分时，拆分后的文档的每个页面的高度等于原始高度的1/拆分总页数。

以下代码展示了如何将PDF文档的指定页面竖向或横向拆分为两页：

from spire.pdf.common import *
from spire.pdf import *# 将指定PDF页面横向或竖向拆分为多页的方法
def split_specific_pdf_page(pdf_path, output_folder, page_index, num_pages, split_direction='vertical'):# 创建PdfDocument对象pdf = PdfDocument()# 加载PDF文件pdf.LoadFromFile(pdf_path)# 获取指定页面if page_index < 0 or page_index >= pdf.Pages.Count:print("错误：指定的页面索引超出范围。")returnpage = pdf.Pages[page_index]# 创建一个新的PdfDocument对象newPdf = PdfDocument()# 移除所有页面边距newPdf.PageSettings.Margins.All = 0.0# 根据拆分方向设置新PDF的页面尺寸if split_direction == 'vertical':newPdf.PageSettings.Width = page.Size.WidthnewPdf.PageSettings.Height = page.Size.Height / float(num_pages)elif split_direction == 'horizontal':newPdf.PageSettings.Height = page.Size.HeightnewPdf.PageSettings.Width = page.Size.Width / float(num_pages)else:print("错误：无效的拆分方向，请选择'vertical'或'horizontal'。")return# 向新PDF添加一页newPage = newPdf.Pages.Add()# 设置布局格式为自动分页format = PdfTextLayout()format.Break = PdfLayoutBreakType.FitPageformat.Layout = PdfLayoutType.Paginate# 绘制内容   page.CreateTemplate().Draw(newPage, PointF(0.0, 0.0), format)# 保存生成的文件newPdf.SaveToFile(f"{output_folder}/拆分第{page_index + 1}页.pdf")# 关闭PdfDocument对象newPdf.Close()pdf.Close()# 调用split_specific_pdf_page方法将PDF文件第1页竖向拆分为2页，0为当前页面的索引，2为拆分总页数
split_specific_pdf_page("心理健康.pdf", "拆分PDF", 0, 2, 'vertical')  
# # 或者将PDF文件第1页横向拆分为2页
# split_specific_pdf_page("心理健康.pdf", "拆分PDF", 0, 2, 'horizontal') 

以上就是使用Python实现拆分PDF文档的全部内容。感谢阅读！