PDFs rekursiv mit Python zusammenführen

Einführung

Das Zusammenführen mehrerer PDF-Dateien in einem einzigen Dokument kann eine mühsame Aufgabe sein, insbesondere wenn die Dateien über mehrere Verzeichnisse verteilt sind. Mit Python wird diese Aufgabe nahtlos und automatisiert. In diesem Tutorial erstellen wir mit PyPDF2 ein Befehlszeilenschnittstellentool (CLI) und klicken, um alle PDF-Dateien in einem Verzeichnis (einschließlich seiner Unterverzeichnisse) zusammenzuführen und dabei bestimmte Verzeichnisse wie .venv und .git auszuschließen.

---

Voraussetzungen

Bevor Sie beginnen, stellen Sie sicher, dass Sie Folgendes haben:

1. Python: Version 3.7 oder höher.
2. pip: Pythons Paketmanager.

3. Erforderliche Bibliotheken:

   • Installieren Sie PyPDF2 zur PDF-Bearbeitung:

    pip install PyPDF2
   

• Klicken Sie auf „Installieren“, um die CLI zu erstellen:
  

   pip install click
  

---

Code-Komplettlösung

Hier ist der vollständige Code für unser CLI-Tool:

import click
from pathlib import Path
from PyPDF2 import PdfMerger
import os

EXCLUDED_DIRS = {".venv", ".git"}

@click.command()
@click.argument("directory", type=click.Path(exists=True, file_okay=False, path_type=Path))
@click.argument("output_file", type=click.Path(dir_okay=False, writable=True, path_type=Path))
def merge_pdfs(directory: Path, output_file: Path):
    """
    Merge all PDF files from DIRECTORY and its subdirectories into OUTPUT_FILE,
    excluding specified directories like .venv and .git.
    """
    # Initialize the PdfMerger
    merger = PdfMerger()

    # Walk through the directory tree, including the base directory
    for root, dirs, files in os.walk(directory):
        # Exclude specific directories
        dirs[:] = [d for d in dirs if d not in EXCLUDED_DIRS]

        # Convert the root to a Path object
        current_dir = Path(root)

        click.echo(f"Processing directory: {current_dir}")

        # Collect PDF files in the current directory
        pdf_files = sorted(current_dir.glob("*.pdf"))

        if not pdf_files:
            click.echo(f"No PDF files found in {current_dir}")
            continue

        # Add PDF files from the current directory
        for pdf in pdf_files:
            click.echo(f"Adding {pdf}...")
            merger.append(str(pdf))

    # Write the merged output file
    output_file.parent.mkdir(parents=True, exist_ok=True)
    merger.write(str(output_file))
    merger.close()

    click.echo(f"All PDFs merged into {output_file}")

if __name__ == "__main__":
    merge_pdfs()

---

Wie es funktioniert

1. Verzeichnisdurchlauf:

   • Die Funktion os.walk() durchläuft rekursiv das angegebene Verzeichnis.
   • Bestimmte Verzeichnisse (z. B. .venv, .git) werden mithilfe eines Filters für Verzeichnisse ausgeschlossen.

2. PDF-Dateisammlung:

   • Der current_dir.glob("*.pdf") sammelt alle PDF-Dateien im aktuellen Verzeichnis.

3. PDFs zusammenführen:

   • PdfMerger von PyPDF2 wird zum Anhängen aller PDFs verwendet.
   • Die zusammengeführte Ausgabe wird in die angegebene Datei geschrieben.

4. CLI-Integration:

   • Die Klickbibliothek erleichtert die Bereitstellung von Verzeichnis- und Ausgabedateipfaden als Argumente.

---

Ausführen des Tools

Speichern Sie den Code in einer Datei, z. B. merge_pdfs.py. Führen Sie es vom Terminal aus wie folgt aus:

python merge_pdfs.py /path/to/directory /path/to/output.pdf

Beispiel

Angenommen, Sie haben die folgende Verzeichnisstruktur:

/documents
├── file1.pdf
├── subdir1
│   ├── file2.pdf
├── subdir2
│   ├── file3.pdf
├── .git
│   ├── ignored_file.pdf

Führen Sie das Tool wie folgt aus:

python merge_pdfs.py /documents /merged.pdf

Dadurch werden Datei1.pdf, Datei2.pdf und Datei3.pdf in merged.pdf zusammengeführt, wobei .git übersprungen wird.

---

Merkmale

1. Rekursives Zusammenführen:

   • Das Tool bezieht automatisch PDFs aus allen Unterverzeichnissen ein.

2. Verzeichnisausschlüsse:

   • Schließt Verzeichnisse wie .venv und .git aus, um irrelevante Dateien zu vermeiden.

3. Sortierte Zusammenführung:

   • Stellt sicher, dass PDFs in sortierter Reihenfolge hinzugefügt werden, um konsistente Ergebnisse zu erzielen.

4. CLI-Einfachheit:

   • Bietet Benutzern eine intuitive Benutzeroberfläche zum Festlegen von Eingabe- und Ausgabepfaden.

---

Hinweise und Einschränkungen

1. Große Dateien:

   • Das Zusammenführen einer großen Anzahl von PDFs kann viel Speicher verbrauchen. Testen Sie zuerst mit kleineren Datensätzen.

2. PDF-Kompatibilität:

   • Stellen Sie sicher, dass alle Eingabe-PDFs gültig und nicht beschädigt sind.

3. Benutzerdefinierte Ausschlüsse:

   • Ändern Sie den Satz EXCLUDED_DIRS, um nach Bedarf weitere Verzeichnisse auszuschließen.

---

Abschluss

Dieses Tutorial zeigt, wie Sie das Zusammenführen von PDFs aus einer Verzeichnisstruktur mit Python automatisieren. Das bereitgestellte CLI-Tool ist flexibel und kann für komplexere Arbeitsabläufe angepasst werden. Probieren Sie es aus und lassen Sie uns wissen, wie es für Sie funktioniert!

Viel Spaß beim Codieren! ?

Das obige ist der detaillierte Inhalt vonPDFs rekursiv mit Python zusammenführen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!