Question

假定你有一个很无聊的任务，需要将几十个PDF文件合并成一个PDF文件。每一个文件都有一个封面作为第一页，但你不希望合并后的文件中重复出现这些封面。即使有许多免费的程序可以合并PDF，很多也只是简单的将文件合并在一起。让我们来写一个Python程序，定制需要合并到PDF中的页面。

总的来说，该程序需要完成：

· 找到当前工作目录中所有PDF文件。

· 按文件名排序，这样就能有序地添加这些PDF。

· 除了第一页之外，将每个PDF的所有页面写入输出的文件。

从实现的角度来看，代码需要完成下列任务：

· 调用os.listdir()，找到当前工作目录中的所有文件，去除掉非PDF文件。

· 调用Python的sort()列表方法，对文件名按字母排序。

· 为输出的PDF文件创建PdfFileWriter对象。

· 循环遍历每个PDF文件，为它创建PdfFileReader对象。

· 针对每个PDF文件，循环遍历每一页，第一页除外。

· 将页面添加到输出的PDF。

· 将输出的PDF写入一个文件，名为<em>allminutes.pdf</em>。

针对这个项目，打开一个新的文件编辑器窗口，将它保存为combinePdfs.py。

第1步：找到所有PDF文件

首先，程序需要取得当前工作目录中所有带.pdf扩展名的文件列表，并对它们排序。让你的代码看起来像这样：

　#! python3
　# combinePdfs.py - Combines all the PDFs in the current working directory into
　# into a single PDF.

❶ import PyPDF2, os

　# Get all the PDF filenames.
　pdfFiles = []
　for filename in os.listdir('.'):
　    if filename.endswith('.pdf'):
❷         pdfFiles.append(filename)
❸　pdfFiles.sort(key/str.lower)

❹ pdfWriter = PyPDF2.PdfFileWriter()

　# TODO: Loop through all the PDF files.

　# TODO: Loop through all the pages (except the first) and add them.

　# TODO: Save the resulting PDF to a file.

在#!行和介绍程序做什么的描述性注释之后，代码导入了os和PyPDF2模块❶。os.listdir('.')调用将返回当前工作目录中所有文件的列表。代码循环遍历这个列表，将带有.pdf扩展名的文件添加到pdfFiles中❷。然后，列表按照字典顺序排序，调用sort()时带有key/str.lower关键字参数❸。

代码创建了一个PdfFileWriter对象，保存合并后的PDF页面❹。最后，一些注释语句简要描述了剩下的程序。

第2步：打开每个PDF文件

现在，程序必须读取pdfFiles中的每个PDF文件。在程序中加入以下代码：

#! python3
# combinePdfs.py - Combines all the PDFs in the current working directory into
# a single PDF.

import PyPDF2, os

# Get all the PDF filenames.
pdfFiles = []
--snip--
# Loop through all the PDF files.
for filename in pdfFiles:
    pdfFileObj = open(filename, 'rb')
    pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
    # TODO: Loop through all the pages (except the first) and add them.

# TODO: Save the resulting PDF to a file.

针对每个PDF文件，循环内的代码调用open()，以'wb'作为第二个参数，用读二进制的模式打开文件。open()调用返回一个 File 对象，它被传递给PyPDF2.PdfFileReader()，创建针对那个PDF文件的PdfFileReader对象。

第3步：添加每一页

针对每个PDF文件，需要循环遍历每一页，第一页除外。在程序中添加以下代码：

　#! python3
　# combinePdfs.py - Combines all the PDFs in the current working directory into
　# a single PDF.

　import PyPDF2, os

　--snip--

　# Loop through all the PDF files.
　for filename in pdfFiles:
　--snip--
　    # Loop through all the pages (except the first) and add them.
❶     for pageNum in range(1, pdfReader.numPages):
　        pageObj = pdfReader.getPage(pageNum)
　        pdfWriter.addPage(pageObj)

　# TODO: Save the resulting PDF to a file.

for循环内的代码将每个Page对象拷贝到PdfFileWriter对象。要记住，你需要跳过第一页。因为PyPDF2认为0是第一页，所以循环应该从1开始❶，然后向上增长到pdfReader.numPages中的整数，但不包括它。

第4步：保存结果

在这些嵌套的for循环完成后，pdfWriter变量将包含一个PdfFileWriter对象，合并了所有PDF的页面。最后一步是将这些内容写入硬盘上的一个文件。在程序中添加以下代码：

#! python3
# combinePdfs.py - Combines all the PDFs in the current working directory into
# a single PDF.
import PyPDF2, os

--snip--

# Loop through all the PDF files.
for filename in pdfFiles:
--snip--
# Loop through all the pages (except the first) and add them.
for pageNum in range(1, pdfReader.numPages):
--snip--

# Save the resulting PDF to a file.
pdfOutput = open('allminutes.pdf', 'wb')
pdfWriter.write(pdfOutput)
pdfOutput.close()

向open()传入'wb'，以写二进制的模式打开输出PDF文件allminutes.pdf。然后，将得到的File对象传给write()方法，创建实际的PDF文件。调用close()方法，结束程序。

第5步：类似程序的想法

能够利用其他PDF文件的页面创建PDF文件，这让你的程序能完成以下任务：

· 从PDF文件中截取特定的页面。

· 重新调整PDF文件中页面的次序。

· 创建一个PDF文件，只包含那些具有特定文本的页面。文本由extractText()来确定。