如何批量从单个PDF中按需提取指定页面并生成独立PDF文件-Python教程-PHP中文网

如何批量从单个PDF中按需提取指定页面并生成独立PDF文件

本文介绍如何基于pandas dataframe中定义的页码规则，自动为每行记录创建专属文件夹及对应pdf（仅含指定页），全程使用pypdf2实现精准页面提取与目录结构生成。

本文介绍如何基于pandas dataframe中定义的页码规则，自动为每行记录创建专属文件夹及对应pdf（仅含指定页），全程使用pypdf2实现精准页面提取与目录结构生成。

在实际文档处理场景中，常需将一份主PDF（如菜单、手册或报表）按不同业务逻辑拆分为多个子PDF——例如按日期组合（“周一、周三”）、单日（“周五”）等生成定制化交付包。本教程提供一套可复用、健壮且易于扩展的Python解决方案，核心依赖 PyPDF2（推荐 ≥3.0.0 版本）进行PDF读写，并结合 os 和 pandas 完成路径管理与数据驱动流程。

✅ 核心步骤概览

定义页面提取函数：接收源PDF路径、目标PDF路径及页码列表，安全提取并保存；
遍历DataFrame：逐行解析 file_name 与 file_pages_to_keep 字段；
自动创建嵌套目录：以 file_name 命名文件夹（兼容中文、逗号、空格等常见字符）；
生成目标PDF：文件名与文件夹名一致，内容严格限定为指定页码（注意：PDF页码从1开始计数，代码中自动转为0基索引）。

? 完整实现代码

import os
import pandas as pd
from PyPDF2 import PdfReader, PdfWriter

# 配置参数
pdf_path = "Documents/menu.pdf"  # 源PDF路径（需确保存在）
output_root = "output_folders"    # 输出根目录（自动创建）

# 步骤1：定义页面提取函数
def extract_pages(input_pdf, output_pdf, pages):
    """
    从input_pdf中提取指定页码（1-based），保存为output_pdf
    :param input_pdf: 源PDF文件路径
    :param output_pdf: 目标PDF文件路径
    :param pages: 整数列表，如 [1, 3] 表示提取第1页和第3页
    """
    with open(input_pdf, "rb") as f_in:
        reader = PdfReader(f_in)
        writer = PdfWriter()

        for page_num in pages:
            if 1 <h3>⚠️ 关键注意事项</h3>

页码有效性校验：函数内已加入越界检查，避免因页码超出源PDF总页数导致静默失败；
路径安全性：os.makedirs(..., exist_ok=True) 确保并发或多轮运行不报错；建议对 file_name 做基础清洗（如替换 / \ ? * : | " 等Windows非法字符）；
性能提示：若PDF较大或行数极多（>1000），可考虑复用 PdfReader 实例（避免重复读取），但需注意内存占用；
依赖安装：执行前请运行 pip install PyPDF2 pandas；
编码兼容性：如 file_pages_to_keep 列含不可见空格或全角逗号，请在 .split() 前统一 .strip() 和 .replace('，', ',')。