pypdf将多个pdf文件合并为一个pdf

Question

如果我有1000多个pdf文件需要合并成一个pdf,

input = PdfFileReader()
output = PdfFileWriter()
filename0000 ----- filename 1000
    input = PdfFileReader(file(filename, "rb"))
    pageCount = input.getNumPages()
    for iPage in range(0, pageCount):
        output.addPage(input.getPage(iPage))
outputStream = file("document-output.pdf", "wb")
output.write(outputStream)
outputStream.close()

执行上面的代码时input = PdfFileReader(file(filename500+, "rb")),

错误消息: IOError: [Errno 24] Too many open files:

我认为这是一个错误,如果没有,我该怎么办？

Answer 1

我最近遇到了同样的问题,所以我挖到PyPDF2看看发生了什么,以及如何解决它.

注意:我假设这filename是一个格式正确的文件路径字符串.假设我的所有代码都是一样的

简答

使用PdfFileMerger()类而不是PdfFileWriter()类.我试图提供以下内容,尽可能地与您的内容非常相似:

from PyPDF2 import PdfFileMerger, PdfFileReader

[...]

merger = PdfFileMerger()
for filename in filenames:
    merger.append(PdfFileReader(file(filename, 'rb')))

merger.write("document-output.pdf")

答案很长

您正在使用的方式PdfFileReader,并PdfFileWriter在保持每个文件打开,并最终导致Python来产生的IOError 24.具体而言,当你添加一个页面到PdfFileWriter,要添加引用在打开的页面PdfFileReader(因此指出IO关闭文件时出错).Python检测到仍然被引用的文件,尽管重新使用文件句柄,但不会执行任何垃圾收集/自动文件关闭.它们保持打开状态,直到PdfFileWriter不再需要访问它们为止output.write(outputStream).

要解决此问题,请在内容的内存中创建副本,并允许关闭文件.我在冒险中通过PyPDF2代码注意到PdfFileMerger()该类已经具有此功能,因此我选择使用它而不是重新发明轮子.不过,我了解到,我最初的看法并PdfFileMerger不够,而且它只在某些条件下创建了副本.

我最初的尝试看起来如下,并导致相同的IO问题:

merger = PdfFileMerger()
for filename in filenames:
    merger.append(filename)

merger.write(output_file_path)

查看PyPDF2源代码,我们看到append()需要fileobj传递,然后使用该merge()函数,将其作为新文件位置传入其最后一页.merge()执行以下操作fileobj(在打开之前PdfFileReader(fileobj):

    if type(fileobj) in (str, unicode):
        fileobj = file(fileobj, 'rb')
        my_file = True
    elif type(fileobj) == file:
        fileobj.seek(0)
        filecontent = fileobj.read()
        fileobj = StringIO(filecontent)
        my_file = True
    elif type(fileobj) == PdfFileReader:
        orig_tell = fileobj.stream.tell()   
        fileobj.stream.seek(0)
        filecontent = StringIO(fileobj.stream.read())
        fileobj.stream.seek(orig_tell)
        fileobj = filecontent
        my_file = True

我们可以看到该append()选项确实接受了一个字符串,当这样做时,假定它是一个文件路径并在该位置创建一个文件对象.最终结果与我们试图避免的完全相同.一个PdfFileReader()对象保持打开文件,直到最终写入文件!

但是,如果我们在传入之前创建文件路径字符串的文件对象或路径字符串的PdfFileReader^{(参见编辑2)}对象,它将自动为我们创建一个副本作为对象,允许Python关闭文件.append()StringIO

我建议更简单merger.append(file(filename, 'rb')),因为其他人报告说PdfFileReader,即使在调用之后,对象也可能在内存中保持打开状态writer.close().

希望这有帮助!

编辑:我以为你在使用PyPDF2,而不是PyPDF.如果你不是,我强烈推荐切换,因为PyPDF不再与作者在开发PyPDF2时给予Phaseit官方祝福.

如果由于某种原因你不能交换到PyPDF2(许可,系统限制等)PdfFileMerger,那么你将无法使用.在这种情况下,您可以重复使用PyPDF2 merge函数(上面提供的)中的代码来创建文件的副本作为StringIO对象,并在代码中使用它来代替文件对象.

编辑2:以前merger.append(PdfFileReader(file(filename, 'rb')))根据评论使用更改的建议(感谢@Agostino).