平台：win10家庭版，python 3.7，PyPDF2
思维过程：
方法一：将pdf文件通过拆分为单页，放入一个文件夹，再删除其中不要的文件，最后再把剩余的文件进行合并为一个pdf文件
第一步：使用原文件路径创建新文件夹，用于存放拆分后的单页文件
defnewdir(self,path):
self.new=os.path.splitext(path)[0]if not os.path.isdir(self.new): #使用os.path.isdir判断文件夹是否存在，
os.mkdir(self.new)
View Code
第二步：生成单页文件，并存放到新建的文件夹
1 defpdfsplt(self,path):2 ifos.path.isfile(path):3 file_1 = open(path,"rb")4 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示
5 #使用for循环读取每一页并将其写入新pdf文件，文件以页码命名
6 for page inrange(0,file_reader.getNumPages()):7 file_write =PyPDF2.PdfFileWriter()8 pageobj =file_reader.getPage(page)9 file_write.addPage(pageobj)10 output = str(self.new) + "\\" + str(int(page+1)) + ".pdf"
11 with open(output,"wb") as output_pdf:12 file_write.write(output_pdf)13 file_1.close()14 else:15 print("文件不存在！")16 time.sleep(3)17 exit()
View Code
第三步：删除文件夹中不要的文件
1 defpdfremove(self,number):2 for pag innumber:3 filename = str(self.new) + "\\" + str(pag) + ".pdf"
4 ifos.path.isfile(filename):5 os.unlink(filename)6 else:7 print("请确认要删除的页码%s是否正确！！"%pag)
View Code
第四步：把剩余文件合并为一个pdf文件
1 defpdfmerge(self):2 file_list = [int(os.path.splitext(x)[0]) for x in os.listdir(self.new)] #读取新建文件夹下的所有文件并提取文件名转为数字
3 file_write = PyPDF2.PdfFileWriter() #先创建一个新的pdf对象
4 for page insorted(file_list):5 pathstr = str(self.new) + "\\" + str(page) + ".pdf"
6 file_1 = open(pathstr,"rb")7 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示
8 pageobj =file_reader.getPage(0)9 file_write.addPage(pageobj)10 output = str(self.new) + "_new.pdf"
11 with open(output, "wb") as output_pdf:12 file_write.write(output_pdf)13 print("第%s页完成"%page)14 file_1.close()
View Code
第五步：删除其中的缓存文件夹
1 defrmdir(self):2 ifos.path.isdir(self.new):3 shutil.rmtree(self.new)
View Code
方法一的完整代码：
1 importPyPDF22 importos,time,shutil,sys3 importthreading4
5 classmypdf(object):6 def __init__(self,path,number):7 self.newdir(path)8 self.pdfsplt(path)9 self.pdfremove(number)10 self.pdfmerge()11 self.rmdir()12 pass
13
14 #用于创建一个独立的文件夹，存放缓存数据
15 defnewdir(self,path):16 self.new =os.path.splitext(path)[0]17 if not os.path.isdir(self.new): #使用os.path.isdir判断文件夹是否存在，
18 os.mkdir(self.new)19
20 #将每一页生成独立文件，存放到缓存文件夹
21 defpdfsplt(self,path):22 ifos.path.isfile(path):23 file_1 = open(path,"rb")24 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示
25 #使用for循环读取每一页并将其写入新pdf文件，文件以页码命名
26 for page inrange(0,file_reader.getNumPages()):27 file_write =PyPDF2.PdfFileWriter()28 pageobj =file_reader.getPage(page)29 file_write.addPage(pageobj)30 output = str(self.new) + "\\" + str(int(page+1)) + ".pdf"
31 with open(output,"wb") as output_pdf:32 file_write.write(output_pdf)33 file_1.close()34 else:35 print("文件不存在！")36 time.sleep(3)37 exit()38
39 #删除缓存文件夹中的不要的页
40 defpdfremove(self,number):41 for pag innumber:42 filename = str(self.new) + "\\" + str(pag) + ".pdf"
43 ifos.path.isfile(filename):44 os.unlink(filename)45 else:46 print("请确认要删除的页码%s是否正确！！"%pag)47
48 #将缓存文件夹中的剩余文件合进行合并
49 defpdfmerge(self):50 file_list = [int(os.path.splitext(x)[0]) for x in os.listdir(self.new)] #读取新建文件夹下的所有文件并提取文件名转为数字
51 file_write = PyPDF2.PdfFileWriter() #先创建一个新的pdf对象
52 for page insorted(file_list):53 pathstr = str(self.new) + "\\" + str(page) + ".pdf"
54 file_1 = open(pathstr,"rb")55 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示
56 pageobj =file_reader.getPage(0)57 file_write.addPage(pageobj)58 output = str(self.new) + "_new.pdf"
59 with open(output, "wb") as output_pdf:60 file_write.write(output_pdf)61 print("第%s页完成"%page)62 file_1.close()63
64 defrmdir(self):65 ifos.path.isdir(self.new):66 shutil.rmtree(self.new)67
68 if __name__ == "__main__":69 #通过第一个参数获取待处理的文件，第二个参数到以后为删除的页码
70 path = sys.argv[1]71 number = sys.argv[2:]72 mypdf =mypdf(path,number)73 deff(path,number):74 mypdf(path,number)75 threading.Thread(target=f,args=[path,number])
View Code
方法二：在写入新文件时使用if判断进行筛选出不要的页面
想法一、将读取与写入同时处理。使用if判断筛选不要的页面
1 defpdfsplt(self,path,number):2 print(number,type(number))3 ifos.path.isfile(path):4 file_1 = open(path,"rb")5 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示
6 file_write =PyPDF2.PdfFileWriter()7 #使用for循环读取每一页并将其写入新pdf文件，文件以页码命名
8 for page inrange(0,file_reader.getNumPages()):9 if page not innumber:10 pageobj =file_reader.getPage(page)11 file_write.addPage(pageobj)12 output = str(self.new) + "_new.pdf"
13 with open(output,"wb") as output_pdf:14 file_write.write(output_pdf)15 file_1.close()16 else:17 print("文件不存在！")18 time.sleep(3)19 exit()
View Code
想法二、将数据先全部放入内存，最后在写入，来提高速度：
1 defpdfsplt(self,path,number):2 print(number,type(number))3 ifos.path.isfile(path):4 file_1 = open(path,"rb")5 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示
6 file_write =PyPDF2.PdfFileWriter()7 #使用for循环读取每一页并将其写入新pdf文件，文件以页码命名
8 for page inrange(0,file_reader.getNumPages()):9 if page not innumber:10 pageobj =file_reader.getPage(page)11 file_write.addPage(pageobj)12 output = str(self.new) + "_new.pdf"
13 with open(output,"wb") as output_pdf: #将内容全部放入内存，最后写入，提高处理速度
14 file_write.write(output_pdf)15 file_1.close()16 else:17 print("文件不存在！")18 time.sleep(3)19 exit()
View Code
方法二的完整代码：
1 importPyPDF22 importos,time,shutil,sys3 importthreading4
5 classmypdf(object):6 def __init__(self,path,number):7 self.new = os.path.splitext(path)[0] #获取文件的路径
8 self.pdfsplt(path,number)9 pass
10
11 #循环每一页读入内存，最后写入文件
12 defpdfsplt(self,path,number):13 print(number,type(number))14 ifos.path.isfile(path):15 file_1 = open(path,"rb")16 file_reader = PyPDF2.PdfFileReader(file_1, strict=False) #使用strict关闭错误提示
17 file_write =PyPDF2.PdfFileWriter()18 #使用for循环读取每一页并将其写入新pdf文件，文件以页码命名
19 for page inrange(0,file_reader.getNumPages()):20 if page not innumber:21 pageobj =file_reader.getPage(page)22 file_write.addPage(pageobj)23 output = str(self.new) + "_new.pdf"
24 with open(output,"wb") as output_pdf: #将内容全部放入内存，最后写入，提高处理速度
25 file_write.write(output_pdf)26 file_1.close()27 else:28 print("文件不存在！")29 time.sleep(3)30 exit()31
32 if __name__ == "__main__":33 #通过第一个参数获取待处理的文件，第二个参数到以后为删除的页码
34 path = sys.argv[1]35 number = sys.argv[2:]36 number =list(map(int, number))37 mypdf =mypdf(path,number)38 deff(path,number):39 mypdf(path,number)40 threading.Thread(target=f,args=[path,number])
View Code
两种方法的比较：
方法一
方法二中的第一种想法
方法二中的第二种想法
运行速度
慢
较慢
快
代码量
65行
34行
34行
缺点：
方法一在处理扫描的pdf文件时，运行速度太慢，不能实现范围性的删除。
方法二不能实现范围性的删除
