Python合并两个PDF文件

引言

在办公自动化场景中，合并多个PDF文件是常见需求。本文将介绍如何使用Python实现PDF合并功能，重点对比PyPDF2和pdfplumber两种实现方案，并提供完整可运行的代码示例。

方案一：使用PyPDF2库（推荐）

特性

• 官方维护的成熟库
• 支持PDF1.4到PDF2.0标准
• 自动处理页面尺寸适配

安装方法

pip install pypdf2

完整代码示例

from PyPDF2 import PdfFileMerger

def merge_pdfs(pdf_list, output_path):
    merger = PdfFileMerger()
    
    for pdf in pdf_list:
        try:
            with open(pdf, 'rb') as f:
                merger.append(f)
        except Exception as e:
            print(f"处理文件 {pdf} 时出错: {str(e)}")
    
    with open(output_path, 'wb') as outfile:
        merger.write(outfile)
    merger.close()

# 使用示例
merge_pdfs(['file1.pdf', 'file2.pdf'], 'merged.pdf')

方案二：使用pdfplumber库

特性

• 支持更复杂的PDF解析
• 可同时提取文本和表格数据
• 适合需要预处理的场景

安装方法

pip install pdfplumber

完整代码示例

import pdfplumber

def merge_pdfs_advanced(input_paths, output_path):
    with pdfplumber.PDF.open(input_paths[0]) as first_pdf:
        writer = first_pdf.copy()
        
        for path in input_paths[1:]:
            with pdfplumber.PDF.open(path) as pdf:
                for page in pdf.pages:
                    writer.add_page(page)
        
        with open(output_path, 'wb') as outfile:
            writer.write(outfile)

# 使用示例
merge_pdfs_advanced(['doc1.pdf', 'doc2.pdf'], 'combined.pdf')

方案对比

高级技巧

1. 处理加密文件：

# PyPDF2示例
merger.append(pdf_path, password='your_password')

2. 保留书签：

# 需要使用PyPDF2的Bookmark特性
merger.addBookmark("Chapter 1", 0)

3. 异常处理增强：

try:
    # 合并操作
except PyPDF2.utils.PdfMetricsError as e:
    print("页面尺寸不匹配:", e)
except Exception as e:
    print("未知错误:", e)

最佳实践建议

1. 优先使用PyPDF2方案，其性能和稳定性经过长期验证
2. 处理超过50个文件时建议分批合并
3. 合并前检查文件是否加密
4. 输出文件建议使用.pdf扩展名
5. 测试合并效果时建议先合并前两个文件验证

常见问题解答

Q1: 合并后的文件乱码怎么办？
A: 检查原始文件是否包含特殊字体，建议使用pdfplumber方案并指定字体编码

Q2: 如何保持原文件质量？
A: 两种方案都会保留原始质量，但建议不要重复合并已合并的文件

Q3: 支持PDF/A格式吗？
A: PyPDF2 3.0.0+ 版本支持PDF/A-1b标准

总结

对于大多数常规合并需求，推荐使用PyPDF2方案。当需要处理复杂PDF结构或需要精细控制时，可以选择pdfplumber方案。两种方案都提供了基础的异常处理机制，实际使用时可根据具体需求进行扩展。