合併pdf檔案帶書籤(利用python的PyPDF2,並解決PyPDF2 編碼問題'latin-1'和PyPDF2報錯:PdfReadError: EOF marker not found)
阿新 • • 發佈:2022-04-19
1.檔案準備:
先將掃描的pdf檔案,每一章放到一個資料夾中,資料夾名字用章節名命名。
這樣最終程式就能將章節名作為書籤了,而不是預設將每頁都生成書籤。
2.程式程式碼
程式碼執行環境:python310
根據檔案和資料夾所在位置改下面熒光黃的程式碼部分即可
# -*- coding: utf-8 -*- ''' 本指令碼用來合併pdf檔案,支援帶一級子目錄的 每章內容分別放在不同的目錄下,目錄名為章節名 最終生成的pdf,按章節名生成書籤 '''import os import sys import codecs from PyPDF2 import PdfFileReader, PdfFileWriter, PdfFileMerger
def getFileName(filepath): ''' 獲取當前目錄下的所有pdf檔案 ''' file_list = glob.glob(filepath + "/*.pdf") # 預設安裝字典序排序,也可以安裝自定義的方式排序 # file_list.sort() return file_list
def get_dirs(filepath='', dirlist_out=[], dirpathlist_out=[]): # 遍歷filepath下的所有目錄 for dir in os.listdir(filepath):
return dirpathlist_out
def merge_childdir_files(path): ''' 每個子目錄下合併生成一個pdf ''' dirpathlist = get_dirs(path) if len(dirpathlist) == 0: print("當前目錄不存在子目錄") sys.exit() for dir in dirpathlist: mergefiles(dir, dir)
def mergefiles(path, output_filename, import_bookmarks=False): # 遍歷目錄下的所有pdf將其合併輸出到一個pdf檔案中,輸出的pdf檔案預設帶書籤,書籤名為之前的檔名 # 預設情況下原始檔案的書籤不會匯入,使用import_bookmarks=True可以將原檔案所帶的書籤也匯入到輸出的pdf檔案中 merger = PdfFileMerger() filelist = getFileName(path) if len(filelist) == 0: print("當前目錄及子目錄下不存在pdf檔案") sys.exit() for filename in filelist: f = codecs.open(filename, 'rb') file_rd = PdfFileReader(f) short_filename = os.path.basename(os.path.splitext(filename)[0]) if file_rd.isEncrypted == True: print('不支援的加密檔案:%s' % (filename)) continue merger.append(file_rd, bookmark=short_filename, import_bookmarks=import_bookmarks) print('合併檔案:%s' % (filename)) f.close() # out_filename = os.path.join(os.path.abspath(path), output_filename) merger.write(output_filename + ".pdf") print('合併後的輸出檔案:%s' % (output_filename)) merger.close()
if __name__ == "__main__": # 每個章節一個子目錄,先分別合併每個子目錄檔案為一個pdf,然後再將這些pdf合併為一個大的pdf,這樣做目的是想生成每個章節的書籤
# 1.指定目錄 # 原始pdf所在目錄 path = "D:\VScode\python-automate\pdf\第 01 章 電路模型與基本定律" # 輸出pdf路徑和檔名 output_filename = "D:\VScode\python-automate\pdf\第 01 章 電路模型與基本定律"
# 2.生成子目錄的pdf # merge_childdir_files(path)
# 3.子目錄pdf合併為總的pdf mergefiles(path, output_filename) 3.進一步合成
此時目標路徑會出現上述檔案,若程式碼執行成功後開啟pdf無異常則表示第一章pdf已經合併好
且有每個檔名的標籤,接下來只需要對每個章節再次進行合併即可(很可惜我把所有章節合併後subtitle消失了)
全合併完
4.可能出現的問題 ①PyPDF2 編碼問題'latin-1' codec can't encode characters in position 8-11: ordinal not in range(256) 通常這情況是出現了中文字元編碼
解決方法
1、修改pypdf2包中的generic.py檔案
我的目錄是c:\……python310\Lib\site-packages\PyPDF2\generic.py
1)generic.py檔案第488行原文
try: return NameObject(name.decode('utf-8'))
except (UnicodeEncodeError, UnicodeDecodeError) as e: # Name objects should represent irregular characters # with a '#' followed by the symbol's hex number if not pdf.strict: warnings.warn("Illegal character in Name Object", utils.PdfReadWarning) return NameObject(name) else: raise utils.PdfReadError("Illegal character in Name Object")
改成
try: return NameObject(name.decode('utf-8')) except (UnicodeEncodeError, UnicodeDecodeError) as e: try: return NameObject(name.decode('gbk')) except (UnicodeEncodeError, UnicodeDecodeError) as e: # Name objects should represent irregular characters # with a '#' followed by the symbol's hex number if not pdf.strict: warnings.warn("Illegal character in Name Object", utils.PdfReadWarning) return NameObject(name) else: raise utils.PdfReadError("Illegal character in Name Object")
以及
2)修改pypdf2包中的utils.py檔案
utils.py238行原文
r = s.encode('latin-1') if len(s) < 2: bc[s] = r return r
改成
try: r = s.encode('latin-1') if len(s) < 2: bc[s] = r return r except Exception as e: print(s) r = s.encode('utf-8') if len(s) < 2: bc[s] = r return r
②PyPDF2報錯:PdfReadError: EOF marker not found
查到的解決方法有 1)把檔案複製到別的資料夾 2)開啟檔案再重新儲存 3)(我自己)開啟pdf發現有些pdf開啟失敗於是重新合成 參考: ————————————————版權宣告:本文為CSDN博主「huahuazhu」的原創文章,遵循CC 4.0 BY-SA版權協議,轉載請附上原文出處連結及本宣告。
原文連結:使用python合併pdf檔案帶書籤_huahuazhu的部落格-CSDN部落格_python 合併pdf 版權宣告:本文為CSDN博主「小羊瓜瓜的部落格」的原創文章,遵循CC 4.0 BY-SA版權協議,轉載請附上原文出處連結及本宣告。 原文連結:PyPDF2 編碼問題'latin-1' codec can't encode characters in position 8-11: ordinal not in range(256)