Python实现PDF按页分割的技术指南

pip install pypdf2

import os
import argparse
from pypdf2 import pdfreader, pdfwriter

def split_pdf(input_path, output_folder, ranges):
    """
    将pdf文件按指定页数范围分割
    
    参数:
        input_path (str): 输入pdf文件路径
        output_folder (str): 输出文件夹路径
        ranges (list): 分割范围列表，格式为[(起始页, 结束页), ...]
    """
    # 确保输出文件夹存在
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    
    # 获取文件名（不含扩展名）
    file_name = os.path.splitext(os.path.basename(input_path))[0]
    
    try:
        with open(input_path, 'rb') as file:
            reader = pdfreader(file)
            total_pages = len(reader.pages)
            
            print(f"开始处理: {input_path}")
            print(f"总页数: {total_pages}")
            
            # 处理每个分割范围
            for i, (start, end) in enumerate(ranges):
                # 处理结束页为-1（表示到文档末尾）的情况
                if end == -1:
                    end = total_pages
                
                # 验证页码范围
                if start < 1 or end > total_pages or start > end:
                    print(f"⚠️ 警告: 无效的页码范围 [{start}, {end}]，跳过")
                    continue
                
                # 创建pdf写入对象
                writer = pdfwriter()
                
                # 添加指定范围的页面（pypdf2使用0-based索引）
                for page_num in range(start - 1, end):
                    writer.add_page(reader.pages[page_num])
                
                # 生成输出文件名
                part_name = f"{file_name}_part{i+1}_p{start}-{end}.pdf"
                output_path = os.path.join(output_folder, part_name)
                
                # 写入文件
                with open(output_path, 'wb') as output_file:
                    writer.write(output_file)
                
                print(f"✅ 已创建: {part_name} (页数: {start}-{end})")
                
            print(f"分割完成! 文件保存在: {output_folder}")
    
    except exception as e:
        print(f"❌ 处理过程中发生错误: {str(e)}")

def parse_ranges(range_str):
    """
    解析页数范围字符串
    
    参数:
        range_str (str): 页数范围字符串，格式如 "1,2-9,10-"
    
    返回:
        list: 解析后的页数范围列表
    """
    ranges = []
    parts = range_str.split(',')
    
    for part in parts:
        if '-' in part:
            start_end = part.split('-')
            start = int(start_end[0].strip())
            
            # 处理结束页为空的特殊情况（表示到文档末尾）
            if start_end[1].strip() == '':
                end = -1  # 使用-1表示到文档末尾
            else:
                end = int(start_end[1].strip())
        else:
            # 单个页码
            start = int(part.strip())
            end = start
        
        ranges.append((start, end))
    
    return ranges

if __name__ == "__main__":
    # 设置命令行参数解析
    parser = argparse.argumentparser(
        description="pdf文件分割工具 - 按指定页数范围分割pdf文档",
        formatter_class=argparse.rawtexthelpformatter
    )
    
    parser.add_argument('input', help='输入pdf文件路径')
    parser.add_argument('ranges', 
                        help='页数范围，格式如 "1,2-9,10-"\n'
                             '示例: "1" - 仅第一页\n'
                             '       "1-5" - 1到5页\n'
                             '       "10-" - 从第10页到文档末尾\n'
                             '       "1,3-5,7-" - 多个范围')
    parser.add_argument('-o', '--output', default='pdf_split_output',
                        help='输出文件夹 (默认: pdf_split_output)')
    
    args = parser.parse_args()
    
    # 解析页数范围
    try:
        ranges = parse_ranges(args.ranges)
        print(f"解析的分割范围: {ranges}")
        
        # 执行pdf分割
        split_pdf(args.input, args.output, ranges)
    except valueerror:
        print("❌ 错误: 页数范围格式无效。请使用格式如 '1,2-9,10-'")
    except exception as e:
        print(f"❌ 发生错误: {str(e)}")

python pdf_splitter.py 输入文件.pdf "页数范围" [-o 输出文件夹]

python pdf_splitter.py "吉林省镇赉县*.pdf" "1,2-9,10-" -o 分割结果

# 提取第5页
python pdf_splitter.py input.pdf "5"

# 提取第10-15页
python pdf_splitter.py input.pdf "10-15"

# 提取从第20页到文档末尾
python pdf_splitter.py input.pdf "20-"

# 提取封面(1)、目录(3-4)和正文(6-)
python pdf_splitter.py book.pdf "1,3-4,6-"