如何用Python合并PDF文件并添加自定义目录及页脚
在处理文档时,我们经常遇到需要合并多个PDF文件并添加目录及页脚的情况。本文将介绍如何使用Python,特别是PyPDF2
和reportlab
库来实现这一功能。我们将通过一个实用的示例来演示整个过程,包括如何动态创建目录页和在每页底部添加页码。
步骤一:准备环境
首先,确保你的环境中安装了PyPDF2
和reportlab
库。如果还没有安装,可以通过以下命令进行安装:
bash
pip install PyPDF2 reportlab
步骤二:合并PDF文件
我们首先定义一个函数add_catalog_page(bookmarks)
来创建一个包含目录的PDF页面。这个目录基于传入的书签列表动态生成,每个书签对应一个文档标题和其开始的页码。
接下来,使用create_footer_page(footer_text)
函数为每个PDF页面添加自定义页脚。这个函数通过绘制一个足够大的白色矩形来覆盖原有的页码,然后在指定位置添加新的页码文本。
步骤三:处理特定文件
在合并多个PDF文件之前,我们可能需要调整它们的顺序。在本例中,我们将特定的文件(如"第一篇.pdf")移动到文件列表的开头,以确保它作为合并后PDF文档的第一个文件出现。
步骤四:合并并添加目录与页脚
遍历每个PDF文件,读取其页面,并将它们添加到一个列表中。同时,我们记录每个文件的标题和起始页码,用于生成目录页。
在所有页面都处理完毕后,我们首先将目录页添加到最终的PDF文档中,然后为每个页面添加页脚,并将它们一一加入到文档中。
步骤五:保存最终文档
完成所有页面的处理和添加后,我们将这些页面写入到一个新的PDF文件中,完成了合并、添加目录和页脚的整个过程。
结语
通过上述步骤,我们展示了如何使用Python处理PDF文件,包括合并多个PDF文件、动态创建目录页和在每页底部添加自定义页脚。这种方法不仅提高了文档处理的自动化程度,也为管理和阅读PDF文档提供了便利。希望这篇文章能帮助到需要进行PDF文档处理的读者。
完整代码
python
import io
import os
from PyPDF2 import PdfReader
from PyPDF2 import PdfWriter
from reportlab.lib.pagesizes import letter
from reportlab.pdfbase.pdfmetrics import stringWidth
from reportlab.pdfgen import canvas
def create_footer_page(footer_text):
packet = io.BytesIO()
c = canvas.Canvas(packet, pagesize=letter)
width, height = letter # letter页面的宽度和高度
font_name = "Helvetica" # 使用的字体
font_size = 12 # 字体大小
cover_height = font_size + 4 # 覆盖区域的高度稍大于字体大小,以确保完全覆盖原有页码
cover_y_position = 28 # 覆盖区域的Y位置,根据需要进行调整以确保覆盖原有页码
# 计算文本宽度和起始X位置以居中文本
text_width = c.stringWidth(footer_text, font_name, font_size)
text_start_position = (width - text_width) / 2
# 绘制一个足够大的白色矩形以覆盖原有页码
c.setFillColorRGB(1, 1, 1) # 设置填充颜色为白色
c.rect(0, cover_y_position, width, cover_height, stroke=False, fill=True)
# 在页脚区域居中添加文本,高度可以根据需要调整
c.setFont(font_name, font_size) # 设置字体和大小
c.setFillColorRGB(0, 0, 0) # 设置文本颜色为黑色
c.drawString(text_start_position, 32, footer_text) # 绘制居中的页脚文本
c.save()
packet.seek(0)
return PdfReader(packet)
def add_catalog_page(bookmarks):
packet = io.BytesIO()
c = canvas.Canvas(packet, pagesize=letter)
width, height = letter
top_margin = 60 # 顶部留白增加
bottom_margin = 60 # 底部留白增加
y_position = height - top_margin # 根据顶部留白调整初始y_position
c.setFont("Helvetica-Bold", 16) # 设置标题的字体和大小
c.drawString(280, y_position, "Directory") # 在顶部绘制标题"目录"
y_position -= 30 # 更新y_position以为目录项留出空间
c.setFont("Helvetica", 12) # 设置目录项的字体和大小
left_margin = 72
right_margin = width - 72
dot_space = 5 # 点间隔可调整
different_title_spacing = 25 # 不同标题之间的间隔
same_title_line_spacing = 15 # 同一个标题换行的间隔
split_ratio = 0.9 # 定义分割点的位置比例
for title, page_number in bookmarks:
available_width = right_margin - left_margin - dot_space * 2 # 计算可用宽度
title_width = stringWidth(title, "Helvetica", 12)
page_number_str = str(page_number)
page_number_width = stringWidth(page_number_str, "Helvetica", 12)
# 判断标题是否需要分割
if title_width > available_width * split_ratio:
# 寻找分割点
split_title = title
while stringWidth(split_title + "-", "Helvetica", 12) > available_width * split_ratio:
split_title = split_title[:-1]
split_title += "-"
c.drawString(left_margin, y_position, split_title)
y_position -= same_title_line_spacing # 分割后的第二行位置向下调整,间隔小一点
title = title[len(split_title) - 1:]
# 绘制标题
c.drawString(left_margin, y_position, title)
# 绘制页码
c.drawRightString(right_margin, y_position, page_number_str)
# 绘制点线
dot_line_start = left_margin + stringWidth(title, "Helvetica", 12) + 10
dot_line_end = right_margin - page_number_width - 10
current_position = dot_line_start
while current_position < dot_line_end:
c.drawString(current_position, y_position, ".")
current_position += dot_space
y_position -= different_title_spacing # 移到下一个标题,间隔大一点
if y_position < bottom_margin: # 根据底部留白调整翻页判断
c.showPage()
y_position = height - top_margin # 重置y_position时也考虑顶部留白
c.setFont("Helvetica", 12) # 确保新页面开始时使用正确的字体和大小
c.save()
packet.seek(0)
return PdfReader(packet)
# 读取PDF/路径下所有.pdf为后缀的文件
pdf_dir = '我的论文集/'
pdf_files = sorted([f for f in os.listdir(pdf_dir) if f.endswith('.pdf')])
# 找到特定文件并将其移动到列表的开头
specific_file = "第一篇.pdf"
if specific_file in pdf_files:
pdf_files.insert(0, pdf_files.pop(pdf_files.index(specific_file)))
#print(pdf_files)
# 存储所有处理后的页面,以便后续添加页脚
all_pages = []
bookmarks = []
total_pages = 0
# 首先处理每个PDF文件,但不立即添加页脚
for filename in pdf_files:
reader = PdfReader(os.path.join(pdf_dir, filename))
bookmarks.append((filename.replace('.pdf', ''), total_pages + 1))
for page in reader.pages:
all_pages.append(page)
total_pages += 1
# 创建目录页并添加到最终PDF
writer = PdfWriter()
catalog_pdf = add_catalog_page(bookmarks)
for page in catalog_pdf.pages:
writer.add_page(page)
# 为每页添加页脚,并将页面添加到最终的PDF中
current_page_number = 1 # 从目录页之后的第一页开始计数页码
catalog_pages_count = len(catalog_pdf.pages) # 计算目录页数量
for page in all_pages:
# 不再需要在页码中加上目录页的数量
footer_pdf = create_footer_page(f"Page number: {current_page_number}")
page.merge_page(footer_pdf.pages[0])
writer.add_page(page)
current_page_number += 1
# 保存最终的PDF
output_pdf_path = "MergePapers.pdf"
with open(output_pdf_path, "wb") as f_out:
writer.write(f_out)