Python批量提取pdf首页并合并为一个文件

前情提要：python安装pypdf2包

复制代码

pip install pypdf2

第一种：既需要每一个单独的首页，也需要将首页合并。

整体操作思路，将文件夹下面原本的每一个pdf获取第一页，然后再写出，将其放在FirstPage文件夹下。再读取FirstPage文件夹下面的所有首页的pdf，将其合并为一个文件。

python 复制代码

from PyPDF2 import PdfReader, PdfWriter,  PdfMerger
import os

# 切换到pdf所在工作目录
os.chdir("D:/个人工作/paper202403")
#在上级目录新建一个文件夹
os.mkdir("../FirstPages")

#循环生成第一页PDF
for _ in os.listdir():
    origin_file = PdfReader(_)
    first_page = PdfWriter()
    first_page.add_page(origin_file.pages[0] )
    with open("../FirstPages/{}".format(_), "wb") as f:
        first_page.write(f)

#定义即将读取的指定PDF文件路径，注意文件的顺序，正斜杠/
target_path = '../FirstPages'

pdf_lst = [f for f in os.listdir(target_path) if f.endswith('.pdf')]
pdf_lst = [os.path.join(target_path, filename) for filename in pdf_lst]

# 合并pdf文件
file_merger = PdfMerger()
for pdf in pdf_lst:
    file_merger.append(pdf)
# 合并pdf文件，并输出到指定路径
file_merger.write("../FirstPages/1_outputMerge.pdf")

第二种：只需要一个首页合并，不需要单独的首页。直接在一个Pdfwriter里add所有的首页，然后输出即可。

python 复制代码

from PyPDF2 import PdfReader, PdfWriter
import os


# 切换到pdf所在工作目录
os.chdir("D:/个人工作/paper202403")
#在上级目录新建一个文件夹
os.mkdir("../2FirstPages")

#循环读取文件夹下所有pdf首页，全部添加在first_page中
first_page = PdfWriter()
for _ in os.listdir():
    origin_file = PdfReader(_)
    first_page.add_page(origin_file.pages[0] )  
#写出first_page中所有首页信息
with open("../2FirstPages/2_outputMerge.pdf", "wb") as f:
    first_page.write(f)