当前位置：首页 > news >正文

用DeepSeek生成批量删除处理 PDF第一页工具

news 来源：原创 2025/6/29 23:45:18

安装依赖库

在运行程序之前，请确保安装所需的库：

pip install pymupdf python-docx

Python 程序代码

import os
import fitz  # PyMuPDF
from docx import Document

def delete_pdf_first_page(input_path, output_path):
    """
    删除 PDF 文件的第一页并保存
    :param input_path: 输入的 PDF 文件路径
    :param output_path: 输出的 PDF 文件路径
    """
    # 打开 PDF 文件
    pdf_document = fitz.open(input_path)
    
    # 删除第一页
    pdf_document.delete_page(0)
    
    # 保存修改后的 PDF
    pdf_document.save(output_path)
    pdf_document.close()
    print(f"已处理并保存: {output_path}")

def delete_word_first_page(input_path, output_path):
    """
    删除 Word 文件的第一页内容并保存
    :param input_path: 输入的 Word 文件路径
    :param output_path: 输出的 Word 文件路径
    """
    # 打开 Word 文件
    doc = Document(input_path)
    
    # 获取第一页的内容范围
    # 假设第一页的内容在前 500 个字符内（可以根据实际情况调整）
    first_page_content = doc.paragraphs[:10]  # 取前 10 段作为第一页内容
    
    # 删除第一页的内容
    for paragraph in first_page_content:
        p = paragraph._element
        p.getparent().remove(p)
    
    # 保存修改后的 Word 文件
    doc.save(output_path)
    print(f"已处理并保存: {output_path}")

def batch_process_files(folder_path, output_folder):
    """
    批量处理文件夹中的 PDF 和 Word 文件
    :param folder_path: 输入文件夹路径
    :param output_folder: 输出文件夹路径
    """
    # 确保输出文件夹存在
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    
    # 遍历文件夹中的文件
    for filename in os.listdir(folder_path):
        file_path = os.path.join(folder_path, filename)
        output_path = os.path.join(output_folder, filename)
        
        try:
            # 处理 PDF 文件
            if filename.lower().endswith('.pdf'):
                print(f"正在处理 PDF 文件: {filename}")
                delete_pdf_first_page(file_path, output_path)
            
            # 处理 Word 文件
            elif filename.lower().endswith('.docx'):
                print(f"正在处理 Word 文件: {filename}")
                delete_word_first_page(file_path, output_path)
            
            else:
                print(f"跳过不支持的文件: {filename}")
        except Exception as e:
            print(f"处理文件 {filename} 时出错: {e}")

if __name__ == "__main__":
    # 输入文件夹路径（包含 PDF 和 Word 文件）
    input_folder = "F:\\python\\pdf"  # 替换为你的输入文件夹路径
    
    # 输出文件夹路径
    output_folder = "F:\\python\\firstpage"  # 替换为你的输出文件夹路径
    
    # 批量处理文件
    batch_process_files(input_folder, output_folder)

程序说明

PDF 文件处理：
- 使用 PyMuPDF 打开 PDF 文件，删除第一页并保存。
- 注意：PyMuPDF 的 delete_page 方法直接删除指定页面。
Word 文件处理：
- 使用 python-docx 打开 Word 文件，删除第一段内容（模拟删除第一页）。
- 注意：python-docx 不支持直接删除页面，因此通过删除第一段内容来实现。
批量处理：
- 程序会遍历指定文件夹中的所有文件，自动识别 PDF 和 Word 文件并处理。