Python合并两个PDF文件
引言
在办公自动化场景中，合并多个PDF文件是常见需求。本文将介绍如何使用Python实现PDF合并功能，重点对比PyPDF2和pdfplumber两种实现方案，并提供完整可运行的代码示例。
方案一：使用PyPDF2库（推荐）
特性
- 官方维护的成熟库
- 支持PDF1.4到PDF2.0标准
- 自动处理页面尺寸适配
安装方法
pip install pypdf2
完整代码示例
from PyPDF2 import PdfFileMergerdef merge_pdfs(pdf_list, output_path):merger = PdfFileMerger()for pdf in pdf_list:try:with open(pdf, 'rb') as f:merger.append(f)except Exception as e:print(f"处理文件 {pdf} 时出错: {str(e)}")with open(output_path, 'wb') as outfile:merger.write(outfile)merger.close()# 使用示例
merge_pdfs(['file1.pdf', 'file2.pdf'], 'merged.pdf')
方案二：使用pdfplumber库
特性
- 支持更复杂的PDF解析
- 可同时提取文本和表格数据
- 适合需要预处理的场景
安装方法
pip install pdfplumber
完整代码示例
import pdfplumberdef merge_pdfs_advanced(input_paths, output_path):with pdfplumber.PDF.open(input_paths[0]) as first_pdf:writer = first_pdf.copy()for path in input_paths[1:]:with pdfplumber.PDF.open(path) as pdf:for page in pdf.pages:writer.add_page(page)with open(output_path, 'wb') as outfile:writer.write(outfile)# 使用示例
merge_pdfs_advanced(['doc1.pdf', 'doc2.pdf'], 'combined.pdf')
方案对比
| 特性 | PyPDF2 | pdfplumber |
|---|---|---|
| 代码复杂度 | 简单 | 中等 |
| 执行效率 | 快 | 慢 |
| 特殊格式支持 | 良好 | 优秀 |
| 内存占用 | 低 | 高 |
高级技巧
- 处理加密文件：
# PyPDF2示例
merger.append(pdf_path, password='your_password')
- 保留书签：
# 需要使用PyPDF2的Bookmark特性
merger.addBookmark("Chapter 1", 0)
- 异常处理增强：
try:# 合并操作
except PyPDF2.utils.PdfMetricsError as e:print("页面尺寸不匹配:", e)
except Exception as e:print("未知错误:", e)
最佳实践建议
- 优先使用PyPDF2方案，其性能和稳定性经过长期验证
- 处理超过50个文件时建议分批合并
- 合并前检查文件是否加密
- 输出文件建议使用.pdf扩展名
- 测试合并效果时建议先合并前两个文件验证
常见问题解答
Q1: 合并后的文件乱码怎么办？
A: 检查原始文件是否包含特殊字体，建议使用pdfplumber方案并指定字体编码
Q2: 如何保持原文件质量？
A: 两种方案都会保留原始质量，但建议不要重复合并已合并的文件
Q3: 支持PDF/A格式吗？
A: PyPDF2 3.0.0+ 版本支持PDF/A-1b标准
总结
对于大多数常规合并需求，推荐使用PyPDF2方案。当需要处理复杂PDF结构或需要精细控制时，可以选择pdfplumber方案。两种方案都提供了基础的异常处理机制，实际使用时可根据具体需求进行扩展。