PyMuPDF批量处理：为多文件夹内PDF文件添加指定页面

引言

在日常的文档管理和自动化流程中，我们经常会遇到需要为大量pdf文件添加统一内容页面的场景，例如在每份报告的末尾添加版权声明页，或在每份合同的开头插入标准封面页。当这些pdf文件分散存储在不同的文件夹和子文件夹中时，手动操作变得异常繁琐且耗时。本教程将提供一个基于python和pymupdf（fitz）库的解决方案，帮助用户高效、自动化地完成这项任务。

环境准备

在开始之前，请确保您的Python环境中已安装PyMuPDF库。如果尚未安装，可以通过以下命令进行安装：

pip install PyMuPDF

PyMuPDF库在导入时使用 fitz 作为模块名。

核心实现：批量添加页面到PDF文件末尾

本节将展示如何遍历指定根目录下的所有PDF文件，并将一个固定的PDF页面（例如 C:\page2.pdf）添加到每个找到的PDF文件的末尾。

1. 导入所需库：

   • fitz: PyMuPDF库，用于PDF操作。
   • os: 操作系统模块，用于路径操作和文件系统遍历。
   • pathlib: Python标准库，提供面向对象的文件系统路径操作，用于更安全地读取文件内容。

2. 定义目标和源文件：

   

   稿定在线PS

   PS软件网页版

   99

   查看详情
   • pdffiles：一个列表，用于存储所有需要处理的PDF文件的完整路径。
   • src: 待插入的PDF页面文件对象。

3. 遍历文件系统： 使用 os.walk() 函数遍历指定根目录（例如 C:\Folders）及其所有子目录，查找所有以 .pdf 结尾的文件。

4. 读取并合并PDF： 对于每个找到的PDF文件，执行以下操作：

   • 使用 pathlib.Path(f).read_bytes() 将PDF文件内容读取到内存中，这有助于提高处理大型文件的稳定性和性能。
   • 使用 fitz.open("pdf", stream) 从内存中的字节流打开PDF文档。
   • 使用 doc.insert_pdf(src) 方法将预先打开的 src PDF文件（即待插入的页面）追加到当前文档的末尾。
   • 使用 doc.ez_save(f) 将修改后的PDF文档保存回原始路径，覆盖原文件。

import fitz  # PyMuPDF
import os
import pathlib

# 定义需要处理的PDF文件所在的根目录
# 注意：Windows路径建议使用原始字符串（r"..."）以避免反斜杠转义问题
target_root_folder = r"C:\Folders" 
# 定义要插入的PDF页面文件路径
page_to_insert_path = r"C:\page2.pdf"

# 收集所有目标PDF文件的路径
pdffiles = [os.path.join(root, name)
            for root, dirs, files in os.walk(target_root_folder)
            for name in files
            if name.endswith((".pdf"))]

# 打开待插入的PDF页面文件，此文件对象在循环中会被重复使用
src_page = fitz.open(page_to_insert_path) 

# 遍历所有找到的PDF文件并进行处理
for f in pdffiles:
    try:
        # 将目标PDF文件读取到内存中，以避免文件锁定等问题
        stream = pathlib.Path(f).read_bytes()  
        # 从内存流中打开PDF文档
        doc = fitz.open("pdf", stream)  

        # 将src_page的内容追加到当前文档的末尾
        doc.insert_pdf(src_page)  

        # 保存修改后的PDF，覆盖原文件
        doc.ez_save(f)  
        print(f"成功处理文件: {f}")
    except Exception as e:
        print(f"处理文件 {f} 时发生错误: {e}")

# 处理完毕后关闭源页面文件
src_page.close()
print("所有PDF文件处理完毕。")

进阶应用：在指定位置插入多个页面

除了在末尾添加页面，PyMuPDF也支持在PDF的任意位置插入页面。例如，如果您需要在一个单页PDF的前面添加一页，并在后面再添加一页，可以通过 insert_pdf 方法的 start_at 参数实现。

start_at 参数指定了插入页面在目标文档中的起始索引（0表示第一页）。

import fitz  # PyMuPDF
import os
import pathlib

# 定义需要处理的PDF文件所在的根目录
target_root_folder = r"C:\Folders"
# 定义要插入的页面文件路径
page1_to_insert_path = r"C:\Files\page1.pdf" # 插入到最前面
page3_to_insert_path = r"C:\Files\page3.pdf" # 插入到最后面

# 收集所有目标PDF文件的路径
pdffiles = [os.path.join(root, name)
            for root, dirs, files in os.walk(target_root_folder)
            for name in files
            if name.endswith((".pdf"))]

# 打开待插入的PDF页面文件
src1 = fitz.open(page1_to_insert_path)  # 待插入的第一页
src3 = fitz.open(page3_to_insert_path)  # 待插入的第三页

# 遍历所有找到的PDF文件并进行处理
for f in pdffiles:
    try:
        stream = pathlib.Path(f).read_bytes()  # 读取PDF到内存
        doc = fitz.open("pdf", stream)  # 从内存打开PDF

        # 在文档的起始位置（索引0）插入page1
        doc.insert_pdf(src1, start_at=0)
        # 在文档的末尾插入page3（默认行为）
        doc.insert_pdf(src3)

        doc.ez_save(f)  # 保存修改
        print(f"成功处理文件: {f}")
    except Exception as e:
        print(f"处理文件 {f} 时发生错误: {e}")

# 处理完毕后关闭源页面文件
src1.close()
src3.close()
print("所有PDF文件处理完毕。")

注意事项

• 备份原始文件： doc.ez_save(f) 会直接覆盖原始文件。在运行脚本之前，强烈建议备份您的PDF文件，以防意外情况发生。
• 文件路径： 确保您提供的文件路径（如 C:\Folders 和 C:\page2.pdf）是正确的，并且脚本有权限访问这些路径。在Windows系统中，使用原始字符串（r"..."）可以有效避免反斜杠转义问题。
• 内存消耗： 虽然将PDF读取到内存中处理可以提高稳定性，但对于非常大的PDF文件或同时处理大量文件时，可能会增加内存消耗。对于极端情况，可能需要优化处理逻辑或分批处理。
• 错误处理： 示例代码中包含了基本的 try-except 块来捕获文件处理过程中可能出现的错误。在生产环境中，建议增加更详细的错误日志记录和处理机制。
• PyMuPDF的性能： PyMuPDF是一个高度优化的库，对于批量PDF操作具有出色的性能。即使处理数千个PDF文件，其效率也通常很高。
• 服务器环境： 如果脚本将在服务器上运行，请确保服务器环境已安装Python和PyMuPDF，并且有足够的权限访问和修改文件。

总结

通过本教程，您应该已经掌握了如何使用Python和PyMuPDF库批量为多个PDF文件添加指定页面的方法。无论是简单的页面追加，还是在特定位置插入多个页面，PyMuPDF都提供了简洁而强大的API来满足您的需求。自动化这些重复性任务不仅可以节省大量时间，还能有效减少手动操作带来的错误。

以上就是PyMuPDF批量处理：为多文件夹内PDF文件添加指定页面的详细内容，更多请关注php中文网其它相关文章！