利用python拆分本地pdf文件的方法

之前分享过利用在线文件格式转换工具来拆分PDF文件的方法，昨天遇到一个尴尬的问题，利用在线转换的时候，上传速度很快，拆分也没有报错，然而拆分后的压缩包总计32M，而下载速度却只有可怜的30k，这就有点不能忍了。于是在下载进度条第一次报错后，博主开始尝试利用python来进行本地的拆分。

博主的python版本是2.7.18，在Python 2.7中，我们可以使用PyPDF2库来拆分PDF文件，如果之前没有使用过类似的功能，那么首先当然是先安装这个库，该库独立性较强，没有多余的分支任务，所以下载速度也比较快：

pip install PyPDF2

拆分方式

方法1：按页数拆分PDF

import os
from PyPDF2 import PdfFileReader, PdfFileWriter

def split_pdf_by_pages(input_pdf_path, output_folder, pages_per_split):
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    
    input_pdf = PdfFileReader(open(input_pdf_path, "rb"))
    total_pages = input_pdf.getNumPages()
    
    for i in range(0, total_pages, pages_per_split):
        output = PdfFileWriter()
        for j in range(i, min(i + pages_per_split, total_pages)):
            output.addPage(input_pdf.getPage(j))
        
        output_filename = os.path.join(
            output_folder, 
            "split_{}-{}.pdf".format(i+1, min(i + pages_per_split, total_pages))
        )
        with open(output_filename, "wb") as output_stream:
            output.write(output_stream)
        print "Created: {}".format(output_filename)

# 使用示例
split_pdf_by_pages("input.pdf", "output_folder", 5)  # 每5页拆分为一个PDF

方法2：拆分为单页PDF

def split_pdf_to_single_pages(input_pdf_path, output_folder):
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    
    input_pdf = PdfFileReader(open(input_pdf_path, "rb"))
    
    for i in range(input_pdf.getNumPages()):
        output = PdfFileWriter()
        output.addPage(input_pdf.getPage(i))
        
        output_filename = os.path.join(output_folder, "page_{}.pdf".format(i+1))
        with open(output_filename, "wb") as output_stream:
            output.write(output_stream)
        print "Created: {}".format(output_filename)

# 使用示例
split_pdf_to_single_pages("input.pdf", "single_pages")

方法3：按页码范围拆分

def split_pdf_by_range(input_pdf_path, output_path, start_page, end_page):
    input_pdf = PdfFileReader(open(input_pdf_path, "rb"))
    output = PdfFileWriter()
    
    for i in range(start_page-1, end_page):
        output.addPage(input_pdf.getPage(i))
    
    with open(output_path, "wb") as output_stream:
        output.write(output_stream)
    print "Created: {}".format(output_path)

# 使用示例
split_pdf_by_range("input.pdf", "pages_3-7.pdf", 3, 7)

博主自用代码

因为博主希望拆分后的页面命名简单规律方便批量导入，所以对文件命名进行了一点修改。

import os
from PyPDF2 import PdfFileReader, PdfFileWriter

def split_pdf_by_pages(input_pdf_path, output_folder, pages_per_split):
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    
    input_pdf = PdfFileReader(open(input_pdf_path, "rb"))
    total_pages = input_pdf.getNumPages()
    
    for i in range(0, total_pages, pages_per_split):
        output = PdfFileWriter()
        for j in range(i, min(i + pages_per_split, total_pages)):
            output.addPage(input_pdf.getPage(j))
        
        output_filename = os.path.join(
            output_folder, 
            "{}.pdf".format(i+1)
        )
        with open(output_filename, "wb") as output_stream:
            output.write(output_stream)
        print "Created: {}".format(output_filename)

# 使用示例
split_pdf_by_pages("需要拆分的文件.pdf", "output", 1)