拆分 PDF 的特定页面并使用 Python 保存答案

【问题标题】：Split specific pages of PDF and save it with Python拆分 PDF 的特定页面并使用 Python 保存
【发布时间】：2019-08-31 19:52:05
【问题描述】：

我正在尝试将 20 页 pdf 文件（单个）拆分为五个各自的 pdf 文件，第一个 pdf 包含 1-3 页，第二个 pdf 文件仅包含第 4 页，第 3 个 pdf 包含 5 到 10 页，第 4 个 pdf 包含11-17 页，第 5 个 pdf 包含 18-20 页。我需要python中的工作代码。下面提到的代码将整个 pdf 文件拆分为单个页面，但我想要分组页面..

    from PyPDF2 import PdfFileWriter, PdfFileReader
    inputpdf = PdfFileReader(open("input.pdf", "rb"))
    for i in range(inputpdf.numPages):
    j = i+1    
    output = PdfFileWriter()
    output.addPage(inputpdf.getPage(i))
    with open("page%s.pdf" % j, "wb") as outputStream:
    output.write(outputStream)

【问题讨论】：

标签： python python-3.x

【解决方案1】：

对我来说，使用这个example from GitHub 看起来像是pdfrw 的任务，我编写了以下示例代码：

from pdfrw import PdfReader, PdfWriter
pages = PdfReader('inputfile.pdf').pages
parts = [(3,6),(7,10)]
for part in parts:
    outdata = PdfWriter(f'pages_{part[0]}_{part[1]}.pdf')
    for pagenum in range(*part):
        outdata.addpage(pages[pagenum-1])
    outdata.write()

这会创建两个文件：pages_3_6.pdf 和 pages_7_10.pdf，每个文件有 3 页，即 3、4、5 和 7、8、9。注意代码中的pagenum-1，使用-1是因为pdf页面编号从1而不是0开始。我还使用所谓的 f 字符串来获取输出文件的名称。在我看来，这是一种巧妙的方法，但它在 Python2 中不可用，我不确定它是否在所有 Python3 版本中都可用（我在 3.6.7 中测试了我的代码），所以如果你愿意，你可以使用旧的格式化方法。请记住根据您的需要更改文件名和范围。

【讨论】：

parts = [(1,3),(4),(5,10),(11,17),(18,20)] 部分：outdata = PdfWriter(f' pages_{part[0]}_{part[1]}.pdf') for pagenum in range(*part): outdata.addpage(pages[pagenum-1]) outdata.write() 拆分代码不适用于以上案例请帮忙。
@SutirthaThakur: parts 必须是 list 的 2-tuples 所以 (4) 是不合法的。您应该改用(4,5)。另请记住，(1,3) 表示第 1,2 页，(4,5) 表示第 4 页。
parts = [(1,4),(4,5),(5,10),(10,20)] 当我输入这个时，我得到 IndexError: list index out of range
@SutirthaThakur：请检查您的 .pdf 文件是否真的有这么多页，我没有看到任何其他可能的原因 IndexError。
只有20页

【解决方案2】：

如果你有python 3，你可以根据下面的答案在这里使用tika：

How to extract text from a PDF file?

【讨论】：

我要分页，然后我要提取
@SutirthaThakur Here 就是你要找的。span>
我想分页，只需要选择的页面，如果可能的话分享代码。