Python PDF 自动化保姆级：告别复制粘贴，批量处理 PDF 全套方案

你有没有过这种经历：领导甩来几十个 PDF，让你合并成一个、按规则重命名、再拆分成单页。你一个一个打开、另存为、改名字，两小时过去了，眼睛都花了。

今天这篇是 Python PDF 自动化系列的第一篇，我们从最基础的环境搭建开始，搞定职场最高频的三个操作：PDF 合并、PDF 拆分、批量重命名。全程保姆级，复制代码就能跑。

01 环境搭建：三个库搞定 90% 的 PDF 需求

Python 处理 PDF 的库有很多，但职场常用的就三个，各有分工：

PyPDF2：PDF 基础操作之王。合并、拆分、旋转、加密解密，全靠它。轻量、稳定、文档全。

pdfplumber：文本和表格提取神器。尤其是表格提取，比 PyPDF2 强一个量级。后面第③篇专门讲。

reportlab：PDF 生成工具。从零创建 PDF、画表格、插图表，第⑤篇详细讲。

先打开终端，一次性安装：

 

pip install PyPDF2 pdfplumber reportlab

安装完成后，验证一下：

python -c "import PyPDF2; import pdfplumber; import reportlab; print('全部安装成功')"

 

看到 "全部安装成功" 就说明环境 OK 了。建议使用 Python 3.8 及以上版本，兼容性最好。

02 PDF 合并：把多个文件拼成一个

场景：你有 10 个章节的 PDF 报告，需要合并成一份完整文档提交。

PyPDF2 的 PdfMerger 类专门干这个。直接上代码：

from PyPDF2 import PdfMergerimport os# 要合并的PDF文件夹pdf_dir = "./pdf_files"# 输出文件名output_file = "merged_result.pdf"# 获取文件夹下所有PDF，按文件名排序pdf_files = sorted([    f for f in os.listdir(pdf_dir)    if f.endswith(".pdf")])merger = PdfMerger()for pdf in pdf_files:    file_path = os.path.join(pdf_dir, pdf)    merger.append(file_path)    print(f"已合并: {pdf}")merger.write(output_file)merger.close()print(f"合并完成！输出文件: {output_file}")

关键说明：

sorted() 很重要，保证按文件名顺序合并。如果你的文件是 "1.pdf、2.pdf、10.pdf" 这种数字命名，sorted 会按字符串排序导致 10 排在 2 前面，需要用自然排序。

PdfMerger 还支持只合并部分页面，比如 merger.append(file, pages=(0, 5)) 只合并前 5 页。

合并大文件时注意内存，几百个文件合并建议分批处理。

03 PDF 拆分：一个文件拆成多个

场景：一份 50 页的合同，需要每页单独存成一个文件；或者按章节拆分。

方案一：每页拆成单独文件

from PyPDF2 import PdfReader, PdfWriterinput_pdf = "big_document.pdf"reader = PdfReader(input_pdf)for page_num in range(len(reader.pages)):    writer = PdfWriter()    writer.add_page(reader.pages[page_num])    output_file = f"page_{page_num + 1}.pdf"    with open(output_file, "wb") as f:        writer.write(f)    print(f"已拆分: {output_file}")print("拆分完成！")

方案二：按页码范围拆分（比如每 10 页一个文件）

from PyPDF2 import PdfReader, PdfWriterinput_pdf = "big_document.pdf"reader = PdfReader(input_pdf)total_pages = len(reader.pages)pages_per_file = 10  # 每个文件10页for start in range(0, total_pages, pages_per_file):    end = min(start + pages_per_file, total_pages)    writer = PdfWriter()    for page_num in range(start, end):        writer.add_page(reader.pages[page_num])    output_file = f"pages_{start + 1}_to_{end}.pdf"    with open(output_file, "wb") as f:        writer.write(f)    print(f"已生成: {output_file}")print("批量拆分完成！")

04 批量重命名：一秒改完上百个文件名

场景：下载的 PDF 文件名乱七八糟，需要统一改成 "日期_类型_编号.pdf" 的格式。

纯 Python 的 os 模块就能搞定，不需要 PDF 库：

import ospdf_dir = "./pdf_files"# 获取所有PDF文件pdf_files = [f for f in os.listdir(pdf_dir) if f.endswith(".pdf")]for index, old_name in enumerate(pdf_files, start=1):    # 新文件名规则：report_001.pdf    new_name = f"report_{index:03d}.pdf"    old_path = os.path.join(pdf_dir, old_name)    new_path = os.path.join(pdf_dir, new_name)    os.rename(old_path, new_path)    print(f"{old_name} → {new_name}")print("批量重命名完成！")

进阶：根据 PDF 内容自动命名

如果想根据 PDF 第一页的标题自动命名，可以结合 pdfplumber 提取文本：

import pdfplumberimport ospdf_dir = "./pdf_files"for filename in os.listdir(pdf_dir):    if not filename.endswith(".pdf"):        continue    filepath = os.path.join(pdf_dir, filename)    with pdfplumber.open(filepath) as pdf:        first_page = pdf.pages[0]        text = first_page.extract_text()        # 取第一行作为标题        title = text.split("\n")[0].strip()        # 清理文件名中的非法字符        safe_title = "".join(c for c in title if c not in r'\/:*?"<>|')    new_name = f"{safe_title}.pdf"    new_path = os.path.join(pdf_dir, new_name)    os.rename(filepath, new_path)    print(f"{filename} → {new_name}")

 

05 常见坑与避坑指南

坑 1：加密的 PDF 无法操作

如果 PDF 有密码保护，PyPDF2 会报错。需要先解密，第④篇会详细讲加密解密。

坑 2：合并后书签丢失

PdfMerger 默认不会保留原 PDF 的书签（outline）。如果需要保留，可以用 merger.append(file, import_outline=True)。

坑 3：中文文件名乱码

Windows 系统下偶尔出现中文文件名编码问题，建议在脚本开头加上：

import syssys.stdout.reconfigure(encoding="utf-8")

坑 4：扫描版 PDF 无法提取文本

扫描件本质是图片，pdfplumber 提取不到文字。需要 OCR 处理，后面的文章会涉及。

写在最后

这一篇我们搞定了 PDF 自动化的基础三件套：合并、拆分、重命名。这些操作看起来简单，但在真实工作中，一次处理上百个文件时，Python 能帮你省下几小时的重复劳动。

以上就是“Python PDF 自动化保姆级：告别复制粘贴，批量处理 PDF 全套方案”的详细内容，想要了解更多Python教程欢迎持续关注编程学习网。