Python实现PDF合并：步骤与3.x版本兼容示例

在Python编程中，合并多个PDF文件是一项常见的任务，特别是在处理文档整理、批量扫描文件或自动化工作流程时。本文将详细介绍如何利用Python的`PyPDF2`库来实现这一功能，尤其针对Python 3.x环境进行优化，以满足现代开发的需求。 首先，我们需要导入必要的库，如`sys`用于编码处理，`importlib`用于重载模块，`os`用于文件路径操作，`PyPDF2`的核心库用于处理PDF文件。`PdfFileReader`和`PdfFileWriter`类分别用于读取PDF和创建新的PDF文件。 1. **获取文件列表**： `getFileName`函数使用`os.walk`方法遍历指定文件夹中的所有子文件，查找并返回所有扩展名为`.pdf`的文件路径。这个函数返回的是一个包含所有PDF文件的列表，便于后续操作。 2. **合并PDF函数**： `MergePDF`函数接收两个参数：一个是要合并的PDF文件所在的文件夹路径，另一个是输出合并后的PDF文件名。函数内部初始化一个`PdfFileWriter`对象，用于构建新的PDF文档。通过循环遍历`getFileName`函数返回的文件列表，对每个PDF文件进行读取： ```python for file_path in file_list: reader = PdfFileReader(open(file_path, 'rb')) for page_num in range(reader.getNumPages()): page = reader.getPage(page_num) output.addPage(page) ``` 这里，我们使用`PdfFileReader.getPage()`方法获取每个PDF文件的页面，并添加到`output`对象中。`getNumPages()`方法用于获取文件中的总页数。 3. **写入合并后的PDF**： 当所有页面都被添加到`output`对象后，我们调用`PdfFileWriter.write()`方法将这些页面写入到输出文件`outfile`中： ```python with open(outfile, 'wb') as f: output.write(f) ``` 4. **性能优化与时间记录**： 在合并过程中，通过`time1 = time.time()`记录开始时间，`time.time()`函数返回当前时间戳，可以计算整个合并过程的执行时间，便于了解其效率： ```python time2 = time.time() print("合并完成，耗时：", time2 - time1, "秒") ``` 5. **注意事项**： - 该代码示例假设输入文件夹下都是单个PDF文件，如果有子文件夹内的PDF，需要递归处理。 - 处理敏感信息时，可能需要额外的脱敏功能，比如使用`MD5`算法，但这段代码并未涉及。 - 使用`PyPDF2`处理大文件可能会消耗内存，对于非常大的PDF，可能需要采用分块读取和写入的方式。 总结，Python通过`PyPDF2`库提供了一个简单易用的方法来合并多个PDF文件，这对于数据处理、文档管理等领域非常实用。掌握这个技巧，可以大大提高工作效率。如果你在实际操作中遇到问题，可以根据具体需求对其进行调整或拓展。