在日常工作中,处理和合并多个 PDF 文件是一个常见需求,尤其是在需要将大量文件整理成一个完整文档时。本文将详细介绍如何使用 Python 的 PyMuPDF
库来实现批量 PDF 文件合并,并提供针对大文件优化的解决方案。
要使用 PyMuPDF,需要先安装这个库。可以通过以下命令安装:
bashpip install pymupdf
安装完成后,PyMuPDF
将作为 fitz
模块导入。
PyMuPDF
中的 Document.insert_pdf()
方法支持将一个 PDF 文档的内容插入到另一个文档的指定位置,这样我们就能非常轻松地实现两个 PDF 文件的合并。例如:
pythonimport fitz # 导入 PyMuPDF
def merge_two_pdf(pdf1_path: str, pdf2_path: str, output_pdf: str):
pdf1 = fitz.open(pdf1_path)
pdf2 = fitz.open(pdf2_path)
pdf1.insert_pdf(pdf2)
pdf1.save(output_pdf, garbage=4) # 保存结果到指定路径
pdf1.close()
pdf2.close()
这个函数 merge_two_pdf
接受两个 PDF 文件路径,并将它们合并为一个新的 PDF 文件。garbage=4
参数可以在保存时移除不必要的对象,从而减小输出文件的大小。
如果需要合并的 PDF 文件不止两个,可以创建一个循环来遍历文件列表,将每个文件依次添加到目标 PDF 中:
pythondef merge_pdfs(input_files: list, output_file: str):
final_pdf = fitz.open() # 创建空的 PDF 对象
for temp_file in input_files:
with fitz.open(temp_file) as temp_pdf:
final_pdf.insert_pdf(temp_pdf) # 插入每个 PDF 文件
final_pdf.save(output_file, garbage=4) # 保存最终合并结果
final_pdf.close()
print(f"合并完成,输出文件为:{output_file}")
在 merge_pdfs
函数中,input_files
是一个包含多个 PDF 文件路径的列表,该函数将所有文件合并到一个目标 PDF output_file
中。
当文件数量多、单个 PDF 文件特别大时,上述方法可能会导致内存占用过高。在这种情况下,可以使用以下优化策略来提高内存和时间效率。
如果需要合并的 PDF 文件很多,或者单个文件特别大,直接合并会占用大量内存。以下是一些优化策略:
insert_pdf
的调用次数。以下代码展示了如何分批合并 PDF 文件,适合大文件和文件数非常多的情况:
pythonimport os
import fitz # 导入 PyMuPDF
def merge_two_pdf(pdf1_path: str, pdf2_path: str, output_pdf: str):
"""
合并 pdf1 和 pdf2 输出到 output_pdf,并删除临时文件
"""
pdf1 = fitz.open(pdf1_path)
pdf2 = fitz.open(pdf2_path)
pdf1.insert_pdf(pdf2)
pdf1.save(output_pdf, garbage=4) # 保存结果
pdf1.close()
pdf2.close()
if pdf1_path.endswith('.tmp'):
os.remove(pdf1_path)
if pdf2_path.endswith('.tmp'):
os.remove(pdf2_path)
def merge_pdfs(input_files: list, output_file: str):
tmp_count = 0
while len(input_files) > 2:
merged_files = []
for i in range(0, len(input_files), 2):
if i + 1 < len(input_files):
tmp_file = f"{output_file}{tmp_count}.tmp"
merge_two_pdf(input_files[i], input_files[i + 1], tmp_file)
merged_files.append(tmp_file)
tmp_count += 1
else:
merged_files.append(input_files[i])
input_files = merged_files
merge_two_pdf(input_files[0], input_files[1], output_file) # 保存最终结果
merge_two_pdf
函数负责合并两个 PDF 文件,并在合并后删除临时文件。merge_pdfs
函数使用循环批量合并文件。每次迭代中,它将文件成对合并为一个临时文件,添加到列表 merged_files
,以便下一次迭代使用。output_file
中。假设我们有一组 PDF 文件 file1.pdf
, file2.pdf
, file3.pdf
等:
pythoninput_files = ["file1.pdf", "file2.pdf", "file3.pdf", "file4.pdf"]
output_file = "merged_output.pdf"
merge_pdfs(input_files, output_file)
本文介绍了使用 PyMuPDF
库批量合并多个 PDF 文件的方法,并针对大文件或大量文件的情况提供了优化方案。
本文作者:司小远
本文链接:
版权声明:本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!