>>> from helper import info; info()
页面更新时间： 2020-07-05 07:29:31
操作系统/OS: Linux-4.19.0-9-amd64-x86_64-with-debian-10.4 ；Python: 3.7.3

5.2. 项目：从多个PDF中合并选择的页面¶

假定你有一个很无聊的任务，需要将几十个PDF文件合并成一个PDF文件。每一个文件都有一个封面作为第一页，但你不希望合并后的文件中重复出现这些封面。即使有许多免费的程序可以合并PDF，很多也只是简单的将文件合并在一起。让我们来写一个Python程序，定制需要合并到PDF中的页面。

总的来说，该程序需要完成：

找到当前工作目录中所有PDF文件。
按文件名排序，这样就能有序地添加这些PDF。
除了第一页之外，将每个PDF的所有页面写入输出的文件。

从实现的角度来看，代码需要完成下列任务：

调用 os.listdir()，找到当前工作目录中的所有文件，去除掉非PDF文件。
调用Python的 sort()列表方法，对文件名按字母排序。
为输出的PDF文件创建 PdfFileWriter 对象。
循环遍历每个PDF文件，为它创建 PdfFileReader 对象。
针对每个PDF文件，循环遍历每一页，第一页除外。
将页面添加到输出的PDF。
将输出的PDF写入一个文件，名为 allminutes.pdf。

针对这个项目，打开一个新的文件编辑器窗口，将它保存为 combinePdfs.py 。

第1步：找到所有PDF文件¶

首先，程序需要取得当前工作目录中所有带.pdf扩展名的文件列表，并对它们排序。让你的代码看起来像这样:

#! python3
# combinePdfs.py - Combines all the PDFs in the current working directory into
# into a single PDF.

import PyPDF2, os

# Get all the PDF filenames.
pdfFiles =[]
for filename in os.listdir('.'):
    if filename.endswith('.pdf'):
        pdfFiles.append(filename)
        print(filename)
pdfFiles.sort()

pdfWriter = PyPDF2.PdfFileWriter()

# TODO: Loop through all the PDF files.

# TODO: Loop through all the pages (except the first) and add them.

# TODO: Save the resulting PDF to a file.

在 #! 行和介绍程序做什么的描述性注释之后，代码导入了 os 和 PyPDF2 模块。 os.listdir('.')调用将返回当前工作目录中所有文件的列表。代码循环遍历这个列表，将带有.pdf扩展名的文件添加到 pdfFiles 中。然后，列表按照字典顺序排序，调用 sort() 时带有 key/str.lower 关键字参数。

代码创建了一个 PdfFileWriter 对象，保存合并后的PDF页面。最后，一些注释语句简要描述了剩下的程序。

第2步：打开每个PDF文件¶

现在，程序必须读取 pdfFiles 中的每个PDF 文件。在程序中加入以下代码：

#! python3
# combinePdfs.py - Combines all the PDFs in the current working directory into
# a single PDF.

import PyPDF2, os

# Get all the PDF filenames.
pdfFiles =[]
--snip--

# Loop through all the PDF files.
for filename in pdfFiles:
    pdfFileObj = open(filename, 'rb')
    pdfReader =PyPDF2.PdfFileReader(pdfFile0bj)
    # TODO: Loop through all the pages (except the first) and add them.

# TODO: Save the resulting PDF to a file.

针对每个PDF文件，循环内的代码调用 open() ，以 'wb' 作为第二个参数，用读二进制的模式打开文件。open() 调用返回一个 File 对象，它被传递给 PyPDF2.PdfFileReader() ，创建针对那个 PDF文件的 PdffileReader 对象。

第3步：添加每一页¶

针对每个PDF文件，需要循环遍历每一页，第一页除外。在程序中添加以下代码：

#! python3
# combinePdfs.py - Combines all the PDFs in the current working directory into
# a single PDF.

import PyPDF2, os

--snip--

# Loop through all the PDF files.
for filename in pdfFiles:
--snip--

    # Loop through all the pages (except the first) and add them.
    for pageNum in range(1, pdfReader.numFages):
        pageObj =pdfReader.getPage(pageNum)
        pdfWriter.addPage(pageObj)

#TODO: Save the resulting PDF to a file.

for 循环内的代码将每个 Page 对象拷贝到 PdfFileWriter 对象。要记住，你需要跳过第一页。因为 PyPDF2 认为0是第一页，所以循环应该从1开始 O,然后向上增长到 pdfReader.numPages 中的整数，但不包括它。

第4步：保存结果¶

在这些嵌套的 for 循环完成后，pdfWriter 变量将包含一个 PdfFileWriter 对象，合并了所有PDF的页面。最后一步是将这些内容写入硬盘上的一个文件。完整代码如下：

>>> #! python3
>>> # combinePdfs.py - Combines all the PDFs in the current working directory into
>>> # a single PDF.
>>>
>>> import PyPDF2, os
>>>
>>> # Get all the PDF filenames.
>>> pdfFiles = []
>>> for filename in os.listdir('.'):
>>>     if filename.endswith('.pdf'):
>>>         pdfFiles.append(filename)
>>> pdfFiles.sort()
>>>
>>> pdfWriter = PyPDF2.PdfFileWriter()
>>>
>>> # Loop through all the PDF files.
>>> for filename in pdfFiles:
>>>     pdfFileObj = open(filename, 'rb')
>>>     pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
>>>     # Loop through all the pages (except the first) and add them.
>>>     print(pdfReader.numPages)
>>>     for pageNum in range(1, pdfReader.numPages):
>>>         pageObj = pdfReader.getPage(pageNum)
>>>         pdfWriter.addPage(pageObj)
>>>
>>> # Save the resulting PDF to a file.
>>> pdfOutput = open('allminutes.pdf', 'wb')
>>> pdfWriter.write(pdfOutput)
>>> pdfOutput.close()
19
21
1

向 open() 传入'wb' ，以写二进制的模式打开输出 PDF文件 allminutes.pdf 。然后，将得到的 File 对象传给 write() 方法，创建实际的PDF文件。调用 close() 方法，结束程序。

第5步：类似程序的想法¶

能够利用其他PDF文件的页面创建PDF文件，这让你的程序能完成以下任务：

从PDF文件中截取特定的页面。
重新调整PDF文件中页面的次序。
创建一个PDF文件，只包含那些具有特定文本的页面。文本由 extractText() 来确定。