python PDF转存及压缩功能需求，有偿

Question

我是一位设计师，平时工作中需要大量的pdf的转存的工作，工作流程为：

1. 将N个pdf合并成一个pdf，（N一般大于100页，体量庞大，单个文件为设计内容，合并为一个汇报文件）
2. 将合并pdf另存为JPG，（设计付费及版权原因，原有pdf为矢量内容需要转为图片格式）
3. 将JPG合成为一个pdf，并且压缩降低文件尺寸（重新组合为一个汇报文件，并且压缩到合适与发送的大小）

这个事虽然简单，但面临每次几百页的pdf，合并压缩时间缓慢，中间还需关注，执行各个操作步骤，效率低下，

我只是刚接触python，需要能实现输入一个文件地址，就会将内部pdf按照顺序合并，另存jpg，再合并并压缩的功能

希望有能帮我实现这个功能的python代码，并且有比较详细的库的安装方式，感谢！

Answer 1

后续可以远程帮组调试，该项目是我之前自动化下载百度经验所用
下有代码，可直接复制使用。如有帮助，敬请采纳，你的采纳是我前进的动力，O(∩_∩)O谢谢！！！！！！！！
路过的朋友也可以点个赞~(≧▽≦)/~
安装依赖包

pip3 install PyMuPDF==1.19.6
pip3 install reportlab==3.6.8
pip3 install pillow==9.0.1

Answer 2

刚学编程不久，有个问题，现在3个def的功能，是未来分别一个个执行是吗？如果是这样可能和我原先用pdf压缩过程差不多，我希望能全自动化的，比如转jpg之后自动把jpg再合并起来，我只需操作一次

Answer 3

配置好红框中的参数，可直接使用

# -*- coding: UTF-8 -*-
"""
@项目名称：合并文件夹下的PDF并添加书签.py
@作   者：陆地起飞全靠浪
@创建日期：2022-04-29-17:51
https://blog.csdn.net/weixin_48331547?type=ask
"""

import os
from PyPDF2 import PdfFileReader, PdfFileWriter
import time
import shutil
import fitz
from glob import glob


def getFileName(filepath):
    file_list = glob("{}/*.pdf".format(filepath))
    # 默认按照字典序排序，也可以安装自定义的方式排序
    file_list.sort(key=lambda x: int(x.split('/')[-1].split('、')[0]))
    return file_list


###########合并同一个文件夹下所有PDF文件###############
def MergePDF(filepath, outfile):
    output = PdfFileWriter()
    outputPages = 0
    pdf_fileName = getFileName(filepath)
    for each_file in pdf_fileName:
        print("adding %s" % each_file)
        # 读取源pdf文件
        input = PdfFileReader(open(each_file, "rb"))

        # 如果pdf文件已经加密，必须首先解密才能使用pyPdf
        if input.isEncrypted == True:
            input.decrypt("map")

        # 获得源pdf文件中页面总数
        pageCount = input.getNumPages()
        outputPages += pageCount
        print("文件《%s》有%d页" % (each_file, pageCount))

        # 分别将page添加到输出output中
        for iPage in range(pageCount):
            output.addPage(input.getPage(iPage))

        # 添加书签
        each_file = os.path.basename(each_file)
        output.addBookmark(title=each_file[:-4], pagenum=outputPages - pageCount)

    print("All Pages Number: " + str(outputPages))
    # 最后写pdf文件
    outputStream = open(os.path.join(filepath, outfile), "wb")
    output.write(outputStream)
    outputStream.close()
    print("finished")


def test_PyMuPDF_pdf2jpg(pdf_path=r'百度经验/1恩Ian.pdf', save_path='图片保存/路径', scale=1.0):
    #  打开PDF文件，生成一个对象
    doc = fitz.open(pdf_path)
    print("共", doc.pageCount, "页")
    for pg in range(doc.pageCount):
        print("\r转换为图片", pg + 1, "/", doc.pageCount, end="")
        page = doc[pg]
        rotate = int(0)
        # 缩放图片，乘以以下系数
        zoom_x = scale  # 缩放宽度
        zoom_y = scale  # 缩放高度
        trans = fitz.Matrix(zoom_x, zoom_y).prerotate(rotate)
        pm = page.get_pixmap(matrix=trans, alpha=False)
        pm.save(f'{save_path}/' + '{}.jpg'.format(pg))


def test_PyMuPDF_jpg2pdf(img_dir='你的图片/路径', out_pdf='.pdf'):
    img_path_list = glob(img_dir + '/*.jpg')
    img_path_list.sort(key=lambda x: int(x.split('/')[-1].split('.')[0]))
    doc = fitz.open()
    for img in img_path_list:  # 读取图片，确保按文件名排序
        print(img)
        imgdoc = fitz.open(img)  # 打开图片
        pdfbytes = imgdoc.convertToPDF()  # 使用图片创建单页的 PDF
        imgpdf = fitz.open("pdf", pdfbytes)
        doc.insertPDF(imgpdf)  # 将当前页插入文档
    if os.path.exists(f"{img_dir}.pdf"):
        os.remove(f"{img_dir}.pdf")
    doc.save(out_pdf)  # 保存pdf文件
    doc.close()


def run(pdf_dir, merge_pdf, save_jpg_dir, out_pdf):
    shutil.rmtree(save_jpg_dir)
    if not os.path.isdir(save_jpg_dir):
        os.mkdir(save_jpg_dir)
    # 合并多个PDF到一个pdf文件
    MergePDF(pdf_dir, merge_pdf)

    # pdf转JPG并压缩
    test_PyMuPDF_pdf2jpg(pdf_path=merge_pdf, save_path=save_jpg_dir, scale=scale)

    # JPG合并成PDF
    test_PyMuPDF_jpg2pdf(img_dir=save_jpg_dir, out_pdf=out_pdf)


if __name__ == '__main__':
    time1 = time.time()
    # 配置
    pdf_dir = u'pdf文件夹路径'
    merge_pdf = "合并的pdf.pdf"
    save_jpg_dir = '图片保存路径'
    out_pdf = '最终输出PDF.pdf'
    # 压缩比，大于1放大，小于1缩小
    scale = 1.0

    run(pdf_dir, merge_pdf, save_jpg_dir, out_pdf)
    time2 = time.time()
    print(u'总共耗时： %.4f s' % (time2 - time1))

Answer 4

答主的代码很完整了，亲测可用。略微调整了细节，在win10下可用

import ipdb
 
import os,shutil
from PyPDF2 import PdfFileReader, PdfFileWriter
import time
import glob
import fitz
 
 
def getFileName(filepath):
    file_list = glob.glob("{}/*.pdf".format(filepath))
    
    # 默认按照字典序排序，也可以安装自定义的方式排序
    #file_list.sort(key=lambda x: int(x.split('/')[-1].split('、')[0]))
    file_list.sort()
    return file_list
 
 
###########合并同一个文件夹下所有PDF文件###############
def MergePDF(filepath, outfile):
    output = PdfFileWriter()
    outputPages = 0
    pdf_fileName = getFileName(filepath)
    for each_file in pdf_fileName:
        print("adding %s" % each_file)
        # 读取源pdf文件
        input = PdfFileReader(open(each_file, "rb"))
 
        # 如果pdf文件已经加密，必须首先解密才能使用pyPdf
        if input.isEncrypted == True:
            input.decrypt("map")
 
        # 获得源pdf文件中页面总数
        pageCount = input.getNumPages()
        outputPages += pageCount
        print("文件《%s》有%d页" % (each_file, pageCount))
 
        # 分别将page添加到输出output中
        for iPage in range(pageCount):
            output.addPage(input.getPage(iPage))
 
        # 添加书签
        each_file = os.path.basename(each_file)
        output.addBookmark(title=each_file[:-4], pagenum=outputPages - pageCount)
 
    print("All Pages Number: " + str(outputPages))
    # 最后写pdf文件
    outputStream = open(os.path.join(filepath, outfile), "wb")
    output.write(outputStream)
    outputStream.close()
    print("finished")
 
 
 
def test_PyMuPDF_pdf2img(pdf_path=r'百度经验/1恩Ian.pdf',save_path = '图片保存/路径'):
    #os.system(f'rm -rf {save_path}/*') 这个命令只能针对linux
    
    if not os.path.isdir(save_path):
        os.mkdir(save_path)
    else:
        shutil.rmtree(save_path)#删除文件夹
        os.mkdir(save_path)
        
    #  打开PDF文件，生成一个对象
    doc = fitz.open(pdf_path)
    print("共", doc.pageCount, "页")
    for pg in range(doc.pageCount):
        print("\r转换为图片", pg + 1, "/", doc.pageCount, end="")
        page = doc[pg]
        rotate = int(0)
        # 缩放图片，乘以以下系数
        zoom_x = 8.0  # 缩放宽度
        zoom_y = 8.0  # 缩放高度
        trans = fitz.Matrix(zoom_x, zoom_y).prerotate(rotate)
        pm = page.get_pixmap(matrix=trans, alpha=False)
        pm.save(f'{save_path}/' + '{}.jpg'.format(pg))
 
 
def test_PyMuPDF_pic2pdf(img_dir='你的图片/路径'):
    img_path_list = glob.glob(img_dir + '/*.jpg')
    img_path_list.sort(key=lambda x: int(x.split('\\')[-1].split('/')[-1].split('.')[0]))# 这里要考虑win10下路径为//的情况
    doc = fitz.open()
    for img in img_path_list:  # 读取图片，确保按文件名排序
        print(img)
        imgdoc = fitz.open(img)  # 打开图片
        pdfbytes = imgdoc.convertToPDF()  # 使用图片创建单页的 PDF
        imgpdf = fitz.open("pdf", pdfbytes)
        doc.insertPDF(imgpdf)  # 将当前页插入文档
    if os.path.exists(f"{img_dir}.pdf"):
        os.remove(f"{img_dir}.pdf")
    doc.save(f"{img_dir}.pdf")  # 保存pdf文件
    doc.close()
 
if __name__ == '__main__':
    time1 = time.time()
    # 多个pdf所在目录，不能以/结尾，请注意文件名顺序（根据文件名顺序进行排序0-9,A-Z,a-z）
    file_dir = u'D:/MyPDF'
    # 合并后的pdf文件名,最终文件名，默认以文件夹名称路径
    out_file = f"{file_dir}.pdf"
    MergePDF(file_dir, out_file)
    print(u'总共耗时： %.4f s' % (time.time() - time1))
    
    time1 = time.time()
    test_PyMuPDF_pdf2img(out_file,"D:/MyPDFImg")#图片会保存到D:/MyPDFImg目录下
    print(u'总共耗时： %.4f s' % (time.time() - time1))
    
    time1 = time.time()
    test_PyMuPDF_pic2pdf("D:/MyPDFImg")#文件最终保存为D:/MyPDFImg.pdf
    print(u'总共耗时： %.4f s' % (time.time() - time1))
    


```python

```