使用 Python 遞歸合併 PDF

介紹

將多個 PDF 檔案合併到一個文件中可能是一項繁瑣的任務，尤其是當檔案分佈在多個目錄中時。使用 Python，這項任務變得無縫且自動化。在本教學中，我們將使用 PyPDF2 建立一個命令列介面 (CLI) 工具，然後按一下合併目錄（包括其子目錄）中的所有 PDF 文件，同時排除 .venv 和 .git 等特定目錄。

---

先決條件

開始之前，請確保您具備以下條件：

1. Python：版本 3.7 或更高版本。
2. pip：Python 的套件管理器。

3. 所需的庫：

   • 安裝 PyPDF2 進行 PDF 操作：

    pip install PyPDF2
   

• 安裝點擊以建立 CLI：
  

   pip install click
  

---

代碼演練

這是我們的 CLI 工具的完整程式碼：

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()

---

它是如何運作的

1. 目錄遍歷:

   • os.walk()函數遞歸遍歷指定目錄。
   • 使用目錄過濾器排除特定目錄（例如 .venv、.git）。

2. PDF 文件集合:

   • current_dir.glob("*.pdf") 收集目前目錄下的所有 PDF 檔案。

3. 合併 PDF:

   • PyPDF2 中的 PdfMerger 用於附加所有 PDF。
   • 合併後的輸出寫入指定檔。

4. CLI 整合:

   • 點選庫可以輕鬆提供目錄和輸出檔案路徑作為參數。

---

運行工具

將程式碼儲存到檔案中，例如 merge_pdfs.py。從終端運行它，如下所示：

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

例子

假設您有以下目錄結構：

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

如下運行該工具：

python merge_pdfs.py /documents /merged.pdf

這會將 file1.pdf、file2.pdf 和 file3.pdf 合併為 merged.pdf，跳過 .git。

---

特徵

1. 遞歸合併:

   • 工具會自動包含所有子目錄中的 PDF。

2. 目錄排除:

   • 排除 .venv 和 .git 等目錄以避免不相關的檔案。

3. 排序合併:

   • 確保 PDF 按排序順序新增以獲得一致的結果。

4. CLI 簡單性:

   • 提供使用者直覺的介面來指定輸入和輸出路徑。

---

注意事項和限制

1. 大檔案：

   • 合併大量 PDF 可能會消耗大量記憶體。首先使用較小的資料集進行測試。

2. PDF 相容性:

   • 確保所有輸入的 PDF 有效且未損壞。

3. 自訂排除：

   • 修改 EXCLUDED_DIRS 設定以根據需要排除其他目錄。

---

結論

本教學示範如何使用 Python 自動合併目錄結構中的 PDF。提供的 CLI 工具非常靈活，可以適應更複雜的工作流程。嘗試一下，讓我們知道它如何為您服務！

編碼愉快！ ？

以上是使用 Python 遞歸合併 PDF的詳細內容。更多資訊請關注PHP中文網其他相關文章！